公开(公告)号：CN107491782B

公开(公告)日：2020-11-20

申请号：CN201710603221.1

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 付彦伟 ,  林航宇 ,  马建奇 ,  姜育刚 ,  张寅达 ,  薛向阳

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明属于计算机图像处理技术领域，具体为利用语义空间信息的针对少量训练数据的图像分类方法。本发明利用语义空间信息联合自动编码器来扩增数据，从而在少量样本情况下获得更多有效的样本；利用这些扩增的数据训练一个基于深度神经网络的分类器；再将分类器网络与特征提取网络连接在一起训练，获得一个端到端的神经网络，实现给定一张图片，直接输出分类信息的功能。本发明使用数据扩增的方法来增加所拥有的数据，从而使得训练深度神经网络变的更加有效；算法是端到端的神经网络，所以只需要给出一张图片，就可以给出相应的分类结果。

公开(公告)号：CN107491782A

公开(公告)日：2017-12-19

申请号：CN201710603221.1

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 付彦伟 ,  林航宇 ,  马建奇 ,  姜育刚 ,  张寅达 ,  薛向阳

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6268 ,  G06K9/6256 ,  G06N3/04

Abstract: 本发明属于计算机图像处理技术领域，具体为利用语义空间信息的针对少量训练数据的图像分类方法。本发明利用语义空间信息联合自动编码器来扩增数据，从而在少量样本情况下获得更多有效的样本；利用这些扩增的数据训练一个基于深度神经网络的分类器；再将分类器网络与特征提取网络连接在一起训练，获得一个端到端的神经网络，实现给定一张图片，直接输出分类信息的功能。本发明使用数据扩增的方法来增加所拥有的数据，从而使得训练深度神经网络变的更加有效；算法是端到端的神经网络，所以只需要给出一张图片，就可以给出相应的分类结果。