公开(公告)号：CN118429713A

公开(公告)日：2024-08-02

申请号：CN202410580885.0

申请日：2024-05-11

Applicant: 北京理工大学

Inventor： 金福生 ,  唐永翔 ,  袁野 ,  李荣华 ,  王国仁

IPC: G06V10/764 ,  G06N3/0985 ,  G06V10/774 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种可解释图像分类方法及系统，涉及图像分类技术领域，具体步骤为：获取待分类的图像数据；将所述待分类的图像数据输入可解释图像分类模型，获得所属类别的类别标签；所述可解释图像分类模型由基于第一损失函数进行两类迭代训练的分类模型和基于具有超参数的第二损失函数进行两类迭代训练的空间注意力网络构成；将所述类别标签进行输出。本发明能够较明显提高图像分类任务的准确率；且有较好的可解释性，仅使用模型本身的输出即可分析其分类依据。

公开(公告)号：CN114743055A

公开(公告)日：2022-07-12

申请号：CN202210406278.3

申请日：2022-04-18

Applicant: 北京理工大学

Inventor： 唐永翔 ,  金福生 ,  袁野 ,  王国仁 ,  马波

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种使用分区决策机制提高图像分类准确率的方法，基于集成学习思想，使用分区决策机制，让模型针对图像不同区域进行识别，将多个识别结果汇总，进而推断出整张图像所属类别，提供了一种能够稳定、可靠地提高图像分类准确率的模型改进方法，且模型训练流程简单，提高卷积神经网络模型进行图像分类时的准确率，同时不为训练带来过大的额外运算开销。