公开(公告)号：CN106650806B

公开(公告)日：2019-07-26

申请号：CN201611166903.2

申请日：2016-12-16

Applicant: 北京大学深圳研究生院

Inventor： 王文敏 ,  松鸿蒙 ,  王荣刚 ,  李革 ,  董胜富 ,  王振宇 ,  李英 ,  赵辉 ,  高文

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04

CPC classification number: G06K9/00362 ,  G06K9/6223 ,  G06K9/6269 ,  G06N3/0454

Abstract: 本发明公布了一种用于行人检测的协同式深度网络模型方法，包括：构建一种新的协同式多模型学习框架来完成行人检测中的分类过程；利用人工神经元网络来整合协同式模型中各子分类器的判决结果，并借用机器学习的方法训练该网络，能够更加有效地综合各分类器反馈的信息；提出一种基于K‑means聚类算法的重采样方法，增强协同模型中各分类器的分类效果，进而提升整体分类效果。本发明通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类。

公开(公告)号：CN106650806A

公开(公告)日：2017-05-10

申请号：CN201611166903.2

申请日：2016-12-16

Applicant: 北京大学深圳研究生院

Inventor： 王文敏 ,  松鸿蒙 ,  王荣刚 ,  李革 ,  董胜富 ,  王振宇 ,  李英 ,  赵辉 ,  高文

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04

CPC classification number: G06K9/00362 ,  G06K9/6223 ,  G06K9/6269 ,  G06N3/0454

Abstract: 本发明公布了一种用于行人检测的协同式深度网络模型方法，包括：构建一种新的协同式多模型学习框架来完成行人检测中的分类过程；利用人工神经元网络来整合协同式模型中各子分类器的判决结果，并借用机器学习的方法训练该网络，能够更加有效地综合各分类器反馈的信息；提出一种基于K‑means聚类算法的重采样方法，增强协同模型中各分类器的分类效果，进而提升整体分类效果。本发明通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类。