公开(公告)号：CN111079790B

公开(公告)日：2023-06-30

申请号：CN201911129753.1

申请日：2019-11-18

Applicant: 清华大学深圳国际研究生院

Inventor： 王好谦 ,  刘志宏 ,  张永兵 ,  杨芳

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

Abstract: 一种构建类别中心的图像分类方法，包括：提取图像特征向量，在特征空间构建类别中心向量；以图像特征向量与类别中心向量之间的欧式距离作为分类依据进行图像特征分类；根据类别中心向量两两之间的欧式距离计算不同类别的分散程度；根据分类结果和不同类别分散程度计算网络的损失函数，利用损失函数对网络参数和中心向量进行学习。本发明的图像分类方法具有控制类内和类间距离的特点，该方法通过直接构建类别中心的方法控制类内和类间距离，使图像特征的分布更加有利于分类，从而取得更好的分类效果。和现有技术对比，利用本发明的方法可以使网络提取的特征具有更好的类内和类间分布特性。

公开(公告)号：CN112836629A

公开(公告)日：2021-05-25

申请号：CN202110136790.6

申请日：2021-02-01

Applicant: 清华大学深圳国际研究生院

Inventor： 王好谦 ,  刘志宏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提出一种图像分类方法，基于随机批次的类别中心更新策略，可应用于基于类别中心点的图像分类任务和图像验证任务中，该方法包括：构建类别中心，提取图像特征；计算图像特征和类别中心点之间的马氏距离，构建分类损失；计算随机批次内样本对应类别的类别中心之间的马氏距离，构建分散损失；采用两阶段的权重更新方法，对特征提取模块和类别中心点中的可训练参数交替更新。本发明的更新策略可以让基于类别中心的图像分类方法具有更好的工程意义，而且可以取得更好的图像分类结果。与现有技术相比，本发明在图像分类和图像验证任务上取得了更好的分类结果和验证结果。

公开(公告)号：CN112836629B

公开(公告)日：2024-03-08

申请号：CN202110136790.6

申请日：2021-02-01

Applicant: 清华大学深圳国际研究生院

Inventor： 王好谦 ,  刘志宏

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

公开(公告)号：CN111079790A

公开(公告)日：2020-04-28

申请号：CN201911129753.1

申请日：2019-11-18

Applicant: 清华大学深圳国际研究生院

Inventor： 王好谦 ,  刘志宏 ,  张永兵 ,  杨芳

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种构建类别中心的图像分类方法，包括：提取图像特征向量，在特征空间构建类别中心向量；以图像特征向量与类别中心向量之间的欧式距离作为分类依据进行图像特征分类；根据类别中心向量两两之间的欧式距离计算不同类别的分散程度；根据分类结果和不同类别分散程度计算网络的损失函数，利用损失函数对网络参数和中心向量进行学习。本发明的图像分类方法具有控制类内和类间距离的特点，该方法通过直接构建类别中心的方法控制类内和类间距离，使图像特征的分布更加有利于分类，从而取得更好的分类效果。和现有技术对比，利用本发明的方法可以使网络提取的特征具有更好的类内和类间分布特性。