及其尺度缩放因子σ最优的取值后,输出特征;整合步骤:将特征展开为向量,并利用向量组成特征矩阵;图像分类步骤:特征输入线性支持向量机中以完成图像分类任务。本发明简单高效,具有自适应和扩展性,只需要输入网络的结构参数即可。"/>
法律状态公告日
法律状态信息
法律状态
2020-06-30
专利权人的姓名或者名称、地址的变更 IPC(主分类):G06K9/62 变更前: 变更后: 申请日:20150826
专利权人的姓名或者名称、地址的变更
2019-11-15
授权
授权
2019-11-15
授权
授权
2017-04-05
实质审查的生效 IPC(主分类):G06K9/62 申请日:20150826
实质审查的生效
2017-04-05
实质审查的生效 IPC(主分类):G06K9/62 申请日:20150826
实质审查的生效
2017-04-05
实质审查的生效 IPC(主分类):G06K 9/62 申请日:20150826
实质审查的生效
2017-03-08
公开
公开
2017-03-08
公开
公开
2017-03-08
公开
公开
查看全部
机译: 通过卷积神经网络进行特征提取并通过主成分分析进行特征约简,从而对细粒度对象进行基于类别的基于内容的图像检索
机译: 基于学习数据的病变分类方法和装置,该方法和方法将一种或多种增强方法应用于医学图像的病变信息增强补丁中
机译: 基于学习数据的病变分类方法和装置,该学习数据在医学图像的病变信息增强补丁中采用一种或多种增强方法