公开了一种基于可变形卷积神经网络的红外图像物体识别方法包括构建训练集与测试集，搭建卷积神经网络架构在最后一层加仩softmax分类器，设置目标函数采用线性或非线性变形的卷积核进行采样并在池化层采用目前业界最好的基于规则块采样的兴趣区域(region of interests,ROI)池化方法進行池化操作；按经验设置学习率参数，能很容易进行标准反向传播端到端的训练从而得到可变形卷积网络。经实验证明本发明在卷積神经网络中引入了学习空间几何形变的能力，更好地解决了具有空间形变的图像识别任务提高了卷积神经网络的几何变换建模的能力，在目标检测和识别这些视觉任务上的有效性成功学习到空间上密集的几何形变。

/patent/.6/转载请声明来源钻瓜专利网。

选择问题类型自助解决（推荐）

请留下有效的联系方式，以便与您联系

* 姓名   姓名填写错误 姓名不能为空

* 郵箱   邮箱填写错误 邮箱不能为空