公开(公告)号：CN105809201B

公开(公告)日：2019-07-05

申请号：CN201610141197.X

申请日：2016-03-11

Applicant: 中国科学院自动化研究所

Inventor： 尹沛劼 ,  钟汕林 ,  亓鲁 ,  吴伟 ,  乔红 ,  李寅琳 ,  席铉洋

IPC: G06K9/62

Abstract: 本发明公开了一种生物启发式自主提取图像语义概念的识别方法及装置，该方法包括：将带标签的图像数据集作为训练样本，从图形输入层输入模型；利用深度置信卷积神经网络提取图像数据的特征；构造图像特征之间的结构关系，提取语义概念；利用样本图片提取的语义概念特征训练贝叶斯分类器；将测试图像输入训练好的识别模型进行识别分类。本发明在已有的生物启发式神经网络计算模型基础上，模仿人类视觉神经系统的处理机制，构建一种可以自主提取图像语义概念的图像识别模型，从而增强了模型的识别速度和解释能力，提高了图像识别尤其是具有模糊语义的图像识别的鲁棒性。

公开(公告)号：CN105809200A

公开(公告)日：2016-07-27

申请号：CN201610140993.1

申请日：2016-03-11

Applicant: 中国科学院自动化研究所

Inventor： 尹沛劼 ,  钟汕林 ,  亓鲁 ,  吴伟 ,  乔红 ,  李寅琳 ,  席铉洋

IPC: G06K9/62

Abstract: 本发明公开了一种生物启发式自主抽取图像语义信息的方法及装置，该方法包括以下步骤：将带标签的图像数据集作为训练样本，用于训练卷积神经网络；对训练网络的权重参数进行聚类，并依据聚类结果对权重参数进行聚合；聚合后的权重参数作为卷积神经网络的新参数，可用新的网络提取图像的语义信息特征，并依据该特征对图像进行识别分类。本发明给出了语义的网络化表示方法，并利用网络结构实现了对语义信息的自主学习和提取，在不影响模型效果的情况下，显著降低了特征维度，同时增强了模型的解释能力。

公开(公告)号：CN105809200B

公开(公告)日：2020-05-15

申请号：CN201610140993.1

申请日：2016-03-11

Applicant: 中国科学院自动化研究所

Inventor： 尹沛劼 ,  钟汕林 ,  亓鲁 ,  吴伟 ,  乔红 ,  李寅琳 ,  席铉洋

IPC: G06K9/62

Abstract: 本发明公开了一种生物启发式自主抽取图像语义信息的方法及装置，该方法包括以下步骤：将带标签的图像数据集作为训练样本，用于训练卷积神经网络；对训练网络的权重参数进行聚类，并依据聚类结果对权重参数进行聚合；聚合后的权重参数作为卷积神经网络的新参数，可用新的网络提取图像的语义信息特征，并依据该特征对图像进行识别分类。本发明给出了语义的网络化表示方法，并利用网络结构实现了对语义信息的自主学习和提取，在不影响模型效果的情况下，显著降低了特征维度，同时增强了模型的解释能力。

公开(公告)号：CN105809201A

公开(公告)日：2016-07-27

申请号：CN201610141197.X

申请日：2016-03-11

Applicant: 中国科学院自动化研究所

Inventor： 尹沛劼 ,  钟汕林 ,  亓鲁 ,  吴伟 ,  乔红 ,  李寅琳 ,  席铉洋

IPC: G06K9/62

CPC classification number: G06K9/6267

Abstract: 本发明公开了一种生物启发式自主提取图像语义概念的识别方法及装置，该方法包括：将带标签的图像数据集作为训练样本，从图形输入层输入模型；利用深度置信卷积神经网络提取图像数据的特征；构造图像特征之间的结构关系，提取语义概念；利用样本图片提取的语义概念特征训练贝叶斯分类器；将测试图像输入训练好的识别模型进行识别分类。本发明在已有的生物启发式神经网络计算模型基础上，模仿人类视觉神经系统的处理机制，构建一种可以自主提取图像语义概念的图像识别模型，从而增强了模型的识别速度和解释能力，提高了图像识别尤其是具有模糊语义的图像识别的鲁棒性。