-
公开(公告)号：CN115294381B
公开(公告)日：2023-06-30
申请号：CN202210487137.9
申请日：2022-05-06
Applicant: 兰州理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征迁移和正交先验的小样本图像分类方法及装置，在基于深度度量的小样本图像分类研究基础上，研究高辨识度的特征提取的小样本分类框架。通过引入特征迁移和正交先验的小样本图像特征学习，假设新类和基类共享特征提取方式、并假设新类数据的不同类别的特征正交，通过构建一个正交化特征适应网络，来学习正交特征子空间，使得不同类特征彼此正交，从而提高的特征的辨识度。本发明对小样本学习的理论研究、推动机器识别技术的广泛应用具有非常重要的意义。同时，对我国率先突破小样本学习的理论瓶颈、掌握人工智能的先进技术将起到添砖加瓦的作用。
-
公开(公告)号：CN114782752A
公开(公告)日：2022-07-22
申请号：CN202210487571.7
申请日：2022-05-06
Applicant: 兰州理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自训练的小样本图像集成分类方法及装置，通过迁移基类数据的卷积特征提取，使用查询样本进行基分类器的自训练，不断地将伪标签集加到支持集扩充支持集，并运用到下一次基分类器自训练中，提高了基分类器自训练结果的可靠性。自训练过程中产生的基分类器，不断通过模型平均得到集成分类器，经过多次迭代自训练和分类器集成过程，得到最终的集成分类器，通过构建损失函数，使得基分类器在查询样本上有确定的、不同的预测，实现了基分类器的不同，解决现有小样本分类方法中，基于特征迁移和查询样本自训练的小样本图像集成分类中基学习器的多样性问题，对于提升图像的分类效果非常显著，具有很高的使用价值。
-
公开(公告)号：CN114782752B
公开(公告)日：2023-09-05
申请号：CN202210487571.7
申请日：2022-05-06
Applicant: 兰州理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种基于自训练的小样本图像集成分类方法及装置，通过迁移基类数据的卷积特征提取，使用查询样本进行基分类器的自训练，不断地将伪标签集加到支持集扩充支持集，并运用到下一次基分类器自训练中，提高了基分类器自训练结果的可靠性。自训练过程中产生的基分类器，不断通过模型平均得到集成分类器，经过多次迭代自训练和分类器集成过程，得到最终的集成分类器，通过构建损失函数，使得基分类器在查询样本上有确定的、不同的预测，实现了基分类器的不同，解决现有小样本分类方法中，基于特征迁移和查询样本自训练的小样本图像集成分类中基学习器的多样性问题，对于提升图像的分类效果非常显著，具有很高的使用价值。
-
公开(公告)号：CN115294381A
公开(公告)日：2022-11-04
申请号：CN202210487137.9
申请日：2022-05-06
Applicant: 兰州理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于特征迁移和正交先验的小样本图像分类方法及装置，在基于深度度量的小样本图像分类研究基础上，研究高辨识度的特征提取的小样本分类框架。通过引入特征迁移和正交先验的小样本图像特征学习，假设新类和基类共享特征提取方式、并假设新类数据的不同类别的特征正交，通过构建一个正交化特征适应网络，来学习正交特征子空间，使得不同类特征彼此正交，从而提高的特征的辨识度。本发明对小样本学习的理论研究、推动机器识别技术的广泛应用具有非常重要的意义。同时，对我国率先突破小样本学习的理论瓶颈、掌握人工智能的先进技术将起到添砖加瓦的作用。
-
-
-
Search Results
4
records
(took 0.044 seconds)
