公开(公告)号：CN113139587A

公开(公告)日：2021-07-20

申请号：CN202110350164.7

申请日：2021-03-31

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  袁富 ,  俞俊

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种自适应交互结构学习的双二次池化模型。本发明步骤如下：首先利用层次化深度模型提取图像的多级深度特征，在跨级特征间获得多组双二次池化特征后，构建维度为池化组个数的权重向量；在深度网络中添加权重与池化特征的乘法模块，在加权池化特征上进行分类；其次对整个权重向量施加L1范数的稀疏约束；然后设计监督模块，在所有加权池化特征上构建分类损失。4、根据上述步骤建立多任务端到端的深度学习模型，在特定数据集上训练并微调整个网络，将最终模型在测试集上测试性能。本发明能针对特定数据集自适应挖掘最合适的交互结构，具有很强的现实性和普适性。

公开(公告)号：CN113139587B

公开(公告)日：2024-02-06

申请号：CN202110350164.7

申请日：2021-03-31

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  袁富 ,  俞俊

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种自适应交互结构学习的双二次池化模型。本发明步骤如下：首先利用层次化深度模型提取图像的多级深度特征，在跨级特征间获得多组双二次池化特征后，构建维度为池化组个数的权重向量；在深度网络中添加权重与池化特征的乘法模块，在加权池化特征上进行分类；其次对整个权重向量施加L1范数的稀疏约束；然后设计监督模块，在所有加权池化特征上构建分类损失。4、根据上述步骤建立多任务端到端的深度学习模型，在特定数据集上训练并微调整个网络，将最终模型在测试集上测试性能。本发明能针对特定数据集自适应挖掘最合适的交互结构，具有很强的现实性和普适性。