[發(fā)明專利]一種基于屬性約束的零樣本圖像識(shí)別新方法在審
| 申請?zhí)枺?/td> | 201810567969.5 | 申請日: | 2018-06-04 |
| 公開(公告)號(hào): | CN109034182A | 公開(公告)日: | 2018-12-18 |
| 發(fā)明(設(shè)計(jì))人: | 吳松松;王堃;盧志強(qiáng);荊曉遠(yuǎn);岳東 | 申請(專利權(quán))人: | 南京郵電大學(xué) |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62 |
| 代理公司: | 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204 | 代理人: | 李鳳嬌 |
| 地址: | 210023 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 樣本圖像 類別樣本 屬性約束 訓(xùn)練樣本 最近鄰分類器 解碼器模型 測試 語義 有效減少 噪聲問題 真實(shí)屬性 編碼器 識(shí)別率 預(yù)測器 虛擬 標(biāo)簽 遷移 學(xué)習(xí) | ||
1.一種基于屬性約束的零樣本圖像識(shí)別新方法,包含以下步驟:
步驟1)針對給定的已知類別訓(xùn)練樣本中含有屬性噪聲問題,利用正太分布虛擬出訓(xùn)練樣本的真實(shí)屬性;
步驟2)針對零樣本圖像識(shí)別中存在語義遷移問題,根據(jù)步驟1)計(jì)算出的給定的已知類別訓(xùn)練樣本真實(shí)屬性,學(xué)習(xí)一個(gè)從已知類別訓(xùn)練樣本的特征到已知類別訓(xùn)練樣本真實(shí)屬性的編碼器,再學(xué)習(xí)一個(gè)將已知類別訓(xùn)練樣本真實(shí)屬性映射到特征空間的解碼器,基于語義編碼器-解碼器模型在已知類別訓(xùn)練樣本和待測試未知類別樣本上共同學(xué)習(xí)一個(gè)屬性預(yù)測器;
步驟3)用步驟2)得到的屬性預(yù)測器預(yù)測待測試未知類別樣本的屬性,并將預(yù)測到的待測試未知類別樣本的屬性通過最近鄰分類器與待測試未知類別樣本的原型屬性比對,以得到待測試未知類別樣本的標(biāo)簽,將得到的待測試未知類別樣本的標(biāo)簽與待測試未知類別樣本的實(shí)際標(biāo)簽進(jìn)行比對,得出屬性預(yù)測器的識(shí)別率。
2.根據(jù)權(quán)利要求1所述的一種基于屬性約束的零樣本圖像識(shí)別新方法,其特征在于:所述步驟1)具體步驟如下:
步驟1.1)其中給定的已知類別訓(xùn)練樣本包含cs類共計(jì)Ns幅圖像,其訓(xùn)練集表示如下:
上述訓(xùn)練集中表示第1至Ns幅圖像的特征,表示第1至NS幅圖像的屬性;
其中已知類別訓(xùn)練樣本的特征表示如下:
d為樣本特征維度;
其中已知類別訓(xùn)練樣本的屬性表示如下:
k是屬性維度;
步驟2.2)已知類別訓(xùn)練樣本的真實(shí)屬性表示如下:
其中是第1至NS幅圖像的真實(shí)屬性;
cs類每一類都對應(yīng)著一個(gè)原型屬性,已知類別訓(xùn)練樣本的訓(xùn)練集原型屬性表示如下:
其中表示已知類別訓(xùn)練樣本的訓(xùn)練集的1至Cs類圖像的原型屬性;
步驟2.3)利用同一類別樣本在屬性空間中呈正太分布的原理虛擬出已知類別訓(xùn)練樣本的真實(shí)屬性:
其中是第j類已知類別的原型屬性,j∈1......CS,是第i幅已知類別訓(xùn)練樣本的真實(shí)屬性i∈1......NS,||.||F是F-范數(shù),則mi,j=1,否則mi,j=0。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京郵電大學(xué),未經(jīng)南京郵電大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810567969.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 構(gòu)建分類模型的方法及裝置
- 用于生成圖像識(shí)別模型的方法和裝置
- 一種構(gòu)建訓(xùn)練集的方法及裝置
- 病理圖像分類模型訓(xùn)練方法、病理圖像分類方法及裝置
- 訓(xùn)練屬性識(shí)別模型的方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 樣本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 圖像識(shí)別模型的訓(xùn)練方法和裝置
- 圖像處理方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 小樣本圖像擴(kuò)充方法、電子設(shè)備及存儲(chǔ)介質(zhì)
- 一種圖像修復(fù)方法、裝置及存儲(chǔ)介質(zhì)
- 分類器訓(xùn)練方法和裝置
- 基于完備局部二值模式重構(gòu)殘差的煤巖識(shí)別方法
- 基于擴(kuò)展局部二值模式和回歸分析的煤巖識(shí)別方法
- 一種基于支持向量機(jī)的包含未知類別的多分類方法
- 一種基于深度神經(jīng)網(wǎng)絡(luò)的開集類別發(fā)掘與擴(kuò)展方法與裝置
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的類別不平衡的圖像分類方法
- 一種神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練方法
- 一種雷達(dá)信號(hào)的未知個(gè)體識(shí)別方法及裝置
- 一種基于中心化空間學(xué)習(xí)的未知疾病類別識(shí)別方法及裝置
- 一種基于增量學(xué)習(xí)的目標(biāo)檢測方法和裝置
- 一種融合成對約束和屬性排序信息的半監(jiān)督聚類方法
- 面向地理空間數(shù)據(jù)庫屬性值約束檢查的表達(dá)式解析方法
- 基于屬性的約束概念格的中醫(yī)數(shù)據(jù)處理方法及系統(tǒng)
- 一種信息處理方法及電子設(shè)備
- 頁巖儲(chǔ)層三維屬性模型建立方法及裝置
- 基于決策表法的測試代碼生成方法及裝置
- 一種層控相控多約束污染場地屬性數(shù)據(jù)高精度建模方法及系統(tǒng)
- 一種零樣本設(shè)置下的無監(jiān)督圖像轉(zhuǎn)換方法
- 一種芯片安全自動(dòng)糾錯(cuò)的方法
- 一種基于邊信息增強(qiáng)的屬性網(wǎng)絡(luò)嵌入方法及系統(tǒng)
- 一種分類器的構(gòu)建方法
- 一種性別分類網(wǎng)絡(luò)訓(xùn)練方法、性別分類方法及相關(guān)裝置
- 人臉識(shí)別方法、裝置、存儲(chǔ)介質(zhì)及計(jì)算機(jī)設(shè)備
- 機(jī)器識(shí)別模型的訓(xùn)練及機(jī)器識(shí)別方法、裝置、電子設(shè)備
- 訓(xùn)練樣本保存方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 信息處理方法、推薦方法及相關(guān)設(shè)備
- 訓(xùn)練樣本篩選方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 文本語料的處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 一種圖像處理模型、機(jī)器學(xué)習(xí)模型的訓(xùn)練方法及裝置
- 預(yù)測模型訓(xùn)練、數(shù)據(jù)預(yù)測方法、裝置和存儲(chǔ)介質(zhì)





