-
公开(公告)号：CN114926702A
公开(公告)日：2022-08-19
申请号：CN202210400572.3
申请日：2022-04-16
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于深度注意力度量的小样本图像分类方法，首先，根据小样本任务中的少量标注样本构建跨类样本对；然后，使用变分自编码器建立以跨类样本对为条件的多模态权重分布；接着，根据多模态权重分布采样生成深度度量网络；最后，使用生成的深度度量网络进行小样本图像分类。本发明方法根据任务描述信息生任务自适应的深度度量，解决了非参数化距离度量导致判别能力不足以及参数化的线性分类器容易过拟合的问题。采用端到端的元学习方式，避免了训练任务特定的分类器带来的时间开销，在小样本图像分类中取得了较好的分类效果。
-
公开(公告)号：CN114926702B
公开(公告)日：2024-03-19
申请号：CN202210400572.3
申请日：2022-04-16
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/0985 , G06N3/084
Abstract: 本发明公开了一种基于深度注意力度量的小样本图像分类方法，首先，根据小样本任务中的少量标注样本构建跨类样本对；然后，使用变分自编码器建立以跨类样本对为条件的多模态权重分布；接着，根据多模态权重分布采样生成深度度量网络；最后，使用生成的深度度量网络进行小样本图像分类。本发明方法根据任务描述信息生任务自适应的深度度量，解决了非参数化距离度量导致判别能力不足以及参数化的线性分类器容易过拟合的问题。采用端到端的元学习方式，避免了训练任务特定的分类器带来的时间开销，在小样本图像分类中取得了较好的分类效果。
-
公开(公告)号：CN118710968A
公开(公告)日：2024-09-27
申请号：CN202410822965.2
申请日：2024-06-25
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/42 , G06V10/44 , G06N3/08 , G06N3/045
Abstract: 基于跨模型互补协作的小样本图像分类方法，包括采用图像切块和随机掩码对图像数据进行预处理，预处理后分别输入到视觉基础模型和任务特定模型中进行特征提取，以视觉基础模型提取到的掩码保留的第一局部特征集合为输入，通过解码器来重建被掩码的局部块特征，分别对视觉基础模型和任务特定模型进行语义结构化表征，计算视觉基础模型和任务特定模型之间的语义结构一致性正则，利用线性分类器对输入数据进行类别隶属关系预测，根据预测标签和该样本的真实标签计算交叉熵损失，利用总损失进行端到端的训练，训练完成之后，保留视觉基础模型及对应的线性分类器进行测试；降低了由于分布差异较大以及标注数据较少而对现有微调技术泛化能力的影响。
-
Patent Agency Ranking
公开(公告)号：CN118053017A
公开(公告)日：2024-05-17
申请号：CN202410085140.7
申请日：2024-01-20
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06V10/74 , G06N3/096 , G06N3/084 , G06N3/0985 , G06N3/045 , G06N3/0464 , G06N3/0499
Abstract: 本发明涉及一种基于深度频域先验的跨域小样本图像分类方法，由图像分解模块和先验正则模块构成。其中，图像分解模块以原始图像为输入，用于将原始图像分解为高频图像部分和低频图像部分；先验正则模块由三分支的原型网络构成，分别用于处理原始图像、高频图像及低频图像。结构上，每个分支包括一个特征提取器和一个原型分类器，分别用于特征提取和类别隶属关系预测。在三分支之间，本发明设计了特征重建先验正则项和预测一致性先验正则项来缓解模型在源域训练过程中的过拟合问题，以此来提高模型在目标域上的泛化效果。
-
公开(公告)号：CN115953630A
公开(公告)日：2023-04-11
申请号：CN202310038225.5
申请日：2023-01-09
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/42 , G06V10/44
Abstract: 本发明提供了一种基于全局‑局部知识蒸馏的跨域小样本图像分类方法。构建了由全局分支和局部分支构成的分类模型，其中，全局分支以原始图像为输入，用于提取图像的全局特征，局部分支以原始图像的局部块为输入，用于提取该图像的局部特征；在两分支之间，通过构建全局‑局部知识蒸馏损失促进全局特征关注到图像的局部区域，使得全局特征捕获丰富的语义信息，进而提升全局特征在跨域小样本任务上的泛化性能。
-
公开(公告)号：CN115731411A
公开(公告)日：2023-03-03
申请号：CN202211328509.X
申请日：2022-10-27
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于原型生成的小样本图像分类方法，首先，从先验类别样本对中挖掘样本间的差异性分布；然后，根据样本间的差异性分布为每个类别生成大量具有丰富差异性的样本；之后，根据每个类别的支持样本生成类别自适应的权重系数；最后，根据每个类别的权重系数对该类别的所有支持样本进行加权平均来生成理想的原型表示。本发明有效地解决了小样本分类任务中构建原型不准确的问题，取得了较好的分类效果。
-
公开(公告)号：CN118864955A
公开(公告)日：2024-10-29
申请号：CN202410893480.2
申请日：2024-07-04
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 基于局部关联推理的跨域小样本图像分类方法，全局分支预测中计算查询图像与所有类别原型表示之间的负欧式距离，对负欧式距离进行归一化作为全局预测得分；局部分支预测中对查询图像和支持图像提取局部特征，利用局部特征分别构建查询图像与每个支持图像之间的局部关联，构建局部关联后求得局部原型特征，根据局部原型特征对每个局部查询特征进行类别预测，对所有局部查询特征的预测结果进行融合，获得局部预测得分；将全局分支和局部分支的预测结果融合获取最终的类别预测得分；解决了现有技术中仅依赖于全局语义表征无法准确地概括图像的完整信息，不足以实现细粒度的判别，制约了模型的泛化性能的问题。
-
公开(公告)号：CN115761298A
公开(公告)日：2023-03-07
申请号：CN202211189996.6
申请日：2022-09-28
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/70 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于类自适应特征嵌入的小样本图像分类方法，首先，为小样本任务中的每个类别进行上下文信息挖掘；然后，根据每个类别的上下文信息构建类别特定的隐式条件权重表征；之后，根据隐式条件权重表征为每个类别生成权重参数以建立类自适应的嵌入空间；最后，在类自适应的嵌入空间下，采用欧式距离度量的方式进行分类。本发明方法能将当前类别与其他类别很好地区分开，在小样本图像分类上取得了较好的性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
