买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉韶关学院申请的专利基于Spark和特征聚类的并行DCNN快速场景匹配识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116543302B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310482645.2，技术领域涉及：G06V20/10；该发明授权基于Spark和特征聚类的并行DCNN快速场景匹配识别方法是由戴经国;毛伊敏;戴俊威设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本基于Spark和特征聚类的并行DCNN快速场景匹配识别方法在说明书摘要公布了：本发明提出了一种基于Spark和特征聚类的并行DCNN快速场景匹配识别方法，包括以下步骤：S1，并行池化选取：通过计算池化前后特征图互信息系数对下一次的池化方法进行自适应调整，解决了特征图的精度下降的问题。S2，特征并行聚类：通过粒子群优化快速定位密度聚类参数，在全连接层时对聚类特征抽样识别，解决了特征冗余计算多的问题。S3，特征动态负载：通过动态计算分布式系统各节点特征图的计算开销，并根据此开销在组间负载动态分配数据，实现数据的动态负载均衡，解决了并行识别效率低的问题。本发明解决了深度并行卷积神经网络DCNN在识别大规模图像过程中存在的特征图的精度下降，特征冗余计算多，并行识别效率低等问题。

本发明授权基于Spark和特征聚类的并行DCNN快速场景匹配识别方法在权利要求书中公布了：1.一种基于Spark和特征聚类的并行DCNN快速场景图像匹配识别方法，其特征在于，包括以下步骤： S0，获取场景图像； S1，并行池化选取：通过计算池化前后特征图互信息系数对下一次的池化方法进行自适应调整， S2，特征并行聚类：通过粒子群优化快速定位密度聚类参数，在全连接层时对聚类特征抽样识别，所述S2包括以下步骤： 1特征选择聚类：采用自适应粒子速度和特征图适应度函数CGFF，快速定位密度聚类参数，从而对特征向量聚类；所述自适应粒子速度vt+1计算公式如下： 是第i个粒子在第t次迭代的速度； c1,c2是学习因子，分别表示个体学习因子和社会学习因子； pi,gi分别表示粒子在前t次迭代中的最佳位置和前t次迭代中所有粒子的最佳位置； 表示第i个粒子在第t次迭代中的位置； 表示特征向量形成的两个簇的模； 表示特征向量形成的两个簇， r表示通常返回一个在[0,1]范围内的随机数； 所述特征图适应度函数CGFF的计算公式如下： dist,表示距离； q表示聚类簇为总数； Cz表示第z个簇内所有特征向量模的总平均值； p表示簇内的一条特征向量； 表示特征向量形成的两个簇的模； 分别表示特征向量形成的两个簇； 2特征向量组间识别：完成特征向量的聚类后，对各类别数据抽样进行全连接运算，评估最终分类top5准确率来确定整个组的类别； S3，特征动态负载：通过动态计算分布式系统各节点特征图的计算开销，并根据此开销在组间负载动态分配数据，实现数据的动态负载均衡； S4，得到图像识别结果，识别出场景图像中出现的物体、人、动作元素。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人韶关学院，其通讯地址为：512023 广东省韶关市浈江区大学路288号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。