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！

龙图腾网获悉浙江理工大学申请的专利基于FractalNet网络改进的手势图像特征提取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：CN115830625B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202111247741.6，技术领域涉及：G06V40/10；该发明授权基于FractalNet网络改进的手势图像特征提取方法是由章立早;田秋红;岳金鸿设计研发完成，并于2021-10-26向国家知识产权局提交的专利申请。

本基于FractalNet网络改进的手势图像特征提取方法在说明书摘要公布了：本发明公开了一种基于FractalNet网络的改进手势图像特征提取方法。手势图像采集并尺寸归一化；原始手势图像输入R‑FractalNet1网络结构得原始特征向量；原始特征向量和原始手势图像输入空间特征金字塔结构得多尺度特征；原始特征向量输入到R‑FractalNet2网络结构得低阶特征向量；多尺度特征和低阶特征向量通道拼接后输入R‑FractalNet3网络结构输出高维特征向量，高维特征向量经全局平均池化层、全连接层、softmax分类器得分类。本发明包含大量残差模块，保护信息完整性，简化了学习目标和难度，能够效地缩短了梯度传播路径，避免了过拟合，提高了识别准确率。

本发明授权基于FractalNet网络改进的手势图像特征提取方法在权利要求书中公布了：1.一种基于FractalNet网络改进的手势图像特征提取方法，其特征在于，包括如下步骤：1对各种手势进行图像采集获得原始图像，对所述原始图像进行尺寸归一化处理获得原始手势图像；2将所述原始手势图像输入R-FractalNet1网络结构，获得原始特征向量；3将所述原始特征向量和所述原始手势图像输入到空间特征金字塔结构，进行特征提取获得多尺度特征；4将所述原始特征向量输入到R-FractalNet2网络结构中，获得通道数扩张后的低阶特征向量；5将所述空间特征金字塔结构输出的多尺度特征和所述R-FractalNet2网络结构输出的低阶特征向量在通道维度上进行拼接后再输入到R-FractalNet3网络结构中，进行特征在通道上的融合，输出高维特征向量；6将所述高维特征向量经过全局平均池化层之后再经过一个全连接层，最后输入softmax分类器中，获得手势图像的分类结果； 其中，所述R-FractalNet3网络结构的拓扑结构由三个四阶卷积模块依次连接构成，所述R-FractalNet1网络结构和R-FractalNet2网络结构的拓扑结构相同，均由一个四阶卷积模块和最大池化层依次连接构成； 所述四阶卷积模块包括两个三阶卷积模块、一个四阶单卷积模块和一个相加层，两个所述三阶卷积模块连续连接后形成四阶连续卷积块，所述四阶卷积模块的输入分别经所述四阶连续卷积块、所述四阶单卷积模块处理后的结果经所述相加层进行相加处理得到四阶卷积模块的输出，再输入到所述最大池化层； 所述三阶卷积模块包括两个二阶卷积模块、一个三阶单卷积模块和一个相加层，两个所述二阶卷积模块连续连接后形成三阶连续卷积块，所述三阶卷积模块的输入分别经所述三阶连续卷积块、所述三阶单卷积模块处理后的结果经所述相加层进行相加处理得到三阶卷积模块的输出； 所述二阶卷积模块包括两个一阶卷积模块、一个二阶单卷积模块和一个相加层，两个所述一阶卷积模块连续连接后的整体并联叠加残差模块后形成二阶连续卷积残差块，所述二阶卷积模块的输入分别经所述二阶连续卷积残差块、所述二阶单卷积模块处理后的结果经所述相加层进行相加处理得到二阶卷积模块的输出； 所述四阶单卷积模块、所述三阶单卷积模块、所述二阶单卷积模块的结构均与一阶卷积模块相同，所述一阶卷积模块具体为一个卷积层、一个标准化层和一个relu激活函数依次连接组成； 并且，所述步骤3中，所述空间特征金字塔结构分为三个分支：以低阶特征分支作为第一分支，以细节特征分支作为第二分支，以边缘特征提取分支作为第三分支，所述原始手势图像经过所述第一分支处理获得高宽维度上缩小4倍的特征向量，所述原始特征向量经过所述第二分支、所述第三分支处理获得各自高宽维度上缩小2倍的特征向量； 所述第一分支由一个卷积层、一个平均池化层和一个relu激活函数依次连接组成； 所述第二分支由一个卷积核大小为1×1的卷积层和一个卷积核大小为2×2的最大池化层依次连接组成； 所述第三分支由一个采用nearst模式的下采样层、一个采用nearst模式的上采样层和一个最大池化层依次连接组成。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市江干经济开发区2号大街928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。