公开(公告)号：CN110222778B

公开(公告)日：2021-04-13

申请号：CN201910502702.2

申请日：2019-06-11

Applicant: 中国科学院自动化研究所

Inventor： 聂祥丽 ,  高若飞 ,  项德良 ,  樊明宇 ,  乔红

IPC: G06K9/62

Abstract: 本发明属于机器学习技术领域，具体涉及了一种基于深度森林的在线多视角分类方法、系统、装置，旨在解决深度学习模型不能在线更新，而浅层在线学习模型的分类精度低的问题。本发明方法包括：通过多视角深度森林网络获取多视角数据的分类结果图；将分类结果图的预测标签按列排成与多视角数据图片相同的尺寸；将排列后的分类结果图按标签大小着色为灰度分类结果图并输出。本发明通过在线的方式从数据流中学习，并对模型结构和权重更新，使得模型对不同的数据集有很强的适应性和扩展性，同时还充分利用了多视角数据本身及多视角之间的信息，有效开发深层的特征信息，从而得到更高的在线分类准确率，在线的方式无需存储全部数据，有效节约了资源。

公开(公告)号：CN110222778A

公开(公告)日：2019-09-10

申请号：CN201910502702.2

申请日：2019-06-11

Applicant: 中国科学院自动化研究所

Inventor： 聂祥丽 ,  高若飞 ,  项德良 ,  樊明宇 ,  乔红

IPC: G06K9/62

Abstract: 本发明属于机器学习技术领域，具体涉及了一种基于深度森林的在线多视角分类方法、系统、装置，旨在解决深度学习模型不能在线更新，而浅层在线学习模型的分类精度低的问题。本发明方法包括：通过多视角深度森林网络获取多视角数据的分类结果图；将分类结果图的预测标签按列排成与多视角数据图片相同的尺寸；将排列后的分类结果图按标签大小着色为灰度分类结果图并输出。本发明通过在线的方式从数据流中学习，并对模型结构和权重更新，使得模型对不同的数据集有很强的适应性和扩展性，同时还充分利用了多视角数据本身及多视角之间的信息，有效开发深层的特征信息，从而得到更高的在线分类准确率，在线的方式无需存储全部数据，有效节约了资源。