[發(fā)明專利]一種基于視覺特征合成的對象識別方法

在審

• 申請?zhí)枺?/td>: 201710333754.2
• 申請日: 2017-05-12
• 公開（公告）號: CN107122804A
• 公開（公告）日: 2017-09-01
• 發(fā)明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于視覺特征合成的對象識別方法，其特征在于，主要包括看不見的視覺數據合成(一)；擴散正則化(二)；交替優(yōu)化(三)；零點識別(四)。

2.基于權利要求書1所述的看不見的視覺數據合成(一)，其特征在于，通過給定的語義屬性來合成看不見的類的視覺特征；在訓練集f’上學習一個嵌入函數：之后，可以通過以下方式推斷

3.基于權利要求書2所述的映射函數，其特征在于，為了合成視覺特征，最直觀的框架是學習從語義空間到視覺特征空間的映射函數：

其中，P是投影矩陣，是損失函數，Ω是其超參數λ的正則化項；

在測試之前，可以通過給定的未知實例的屬性從屬性空間合成看不見的視覺特征。

4.基于權利要求書2所述的協(xié)調語義空間與視覺特征空間，其特征在于，引入一個輔助隱藏空間來協(xié)調語義空間與視覺特征空間，其中可以讓保留視覺和語義空間的內在數據結構信息：

其中，潛在嵌入空間從分解，從分解；和是兩個投影矩陣；Ω₁是對偶圖。

5.基于權利要求書1所述的擴散正則化(二)，其特征在于，考慮正交旋轉，即QQ^T＝I，有(I是單位矩陣)；

從等式(3)中，最佳合成數據為其中首先證明旋轉后總體差異不會改變；在旋轉之前，是集中的，即的原始總體方差Γ為旋轉Q后，有每個維度的新方差為σ′_d，每個維度的方差之和為Γ′；

總體方差Γ傾向于擴展到所有的學習維度，以便恢復的真實數據分布；

根據等式(6)，有在學習框架中最小化Π，找到正交旋轉：

Π=1DΣd=1D(πd-π‾)2=1DΣd=1Dπd2+π‾2-2DΣd=1Dπdπ‾=∈D-1D2(Σd=1Dπd)2---(5)]]>

上式表明，最小化Π相當于最大化擴散標準差的總和；

擴散標準偏差和正交旋轉之和的關系為：

其中，||·||_2,1是矩陣的范數；根據等式(5)和(6)，可以最大化從而使Π最大化；可以將等式(3)和(5)組合，擴散正則化，形成整體損失函數；

上式將重建誤差從屬性最小化到視覺特征，同時保留數據結構并使信息擴展到所有維度。