公开(公告)号：CN117173702A

公开(公告)日：2023-12-05

申请号：CN202311116407.6

申请日：2023-08-31

Applicant: 北京工业大学

Inventor： 吕庚育 ,  王逸远 ,  胡娅坤 ,  邓勇舰

IPC: G06V20/70 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了基于深度特征图融合的多视图多标记学习方法，该方法针对单一共享子空间模型无法完整描述多视图数据的所有语义信息，提出了基于深度特征图融合的多视图多标记分类，通过挖掘实例特征多视图互补关系和标记特征结构化共生关系，构建具有更强表征力的实例标记结构化向量表示，并通过平均化单体视图“实例‑标记”亲和匹配结果进行分类。本方法通过构建多视图统一特征图结构，将单视图内近邻关系和跨视图间对齐关系相互融合，提升每个单体视图的结构化语义表征能力。强调单体视图在特定语义表征的贡献同时融合多视图数据共识性和互补性关系。有效提升多视图数据的语义表述能力，对于实际数据分析和决策具有很强的应用价值。