-
公开(公告)号：CN110929624A
公开(公告)日：2020-03-27
申请号：CN201911124037.4
申请日：2019-11-18
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于正交损失函数的多任务分类网络的构建方法，构建的多任务分类网络模拟了人类学习过程，用深度卷积神经网络作为隐藏层模拟人的大脑进行深度特征提取，使用树分类器作为任务相关的输出层进行递进式分类，将识别过程构成不同的学习任务。本发明使不同任务得到的特征更加符合各自的需求，使分类器在完成粗分类任务时使同一粗类的深度特征更加聚合，而在完成细分类任务时，不同细类的深度特征更加离散，对不同分类任务的任务输出层特征进行区分，使得不同层级的分类器得到更加匹配不同分类任务的特征，去掉无用特征，从而提高分类准确率。
-
公开(公告)号：CN110929624B
公开(公告)日：2021-09-14
申请号：CN201911124037.4
申请日：2019-11-18
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于正交损失函数的多任务分类网络的构建方法，构建的多任务分类网络模拟了人类学习过程，用深度卷积神经网络作为隐藏层模拟人的大脑进行深度特征提取，使用树分类器作为任务相关的输出层进行递进式分类，将识别过程构成不同的学习任务。本发明使不同任务得到的特征更加符合各自的需求，使分类器在完成粗分类任务时使同一粗类的深度特征更加聚合，而在完成细分类任务时，不同细类的深度特征更加离散，对不同分类任务的任务输出层特征进行区分，使得不同层级的分类器得到更加匹配不同分类任务的特征，去掉无用特征，从而提高分类准确率。
-
Search Results
2
records
(took 0.016 seconds)
