公开(公告)号：CN107437100A

公开(公告)日：2017-12-05

申请号：CN201710670153.0

申请日：2017-08-08

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  孙文正 ,  夏英 ,  张智慧

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04

CPC classification number: G06K9/6201 ,  G06K9/46 ,  G06N3/0454

Abstract: 本发明公开了一种基于跨模态关联学习的图像位置预测方法，该方法包括：从网络中获取带有详细地理标签的数据集，通过使用相关图像预处理方法对得到的数据集进行预处理，用以突出图像中的标志性目标，并降低图像中无关噪音的影响。构建卷积神经网络模型，使之能够较为敏感的提取图像中的相关空间特征，并多次对网络进行训练和验证，根据验证结果对网络进行多次调整，使之能够有较高的预测准确率。对图像的相关文本信息进行位置关键字提取。在卷积神经网络的输出层中加入文本先验概率模型，以结合文本关键字进行关联预测，提高预测的准确率。本发明可应用于对不含GPS标注的大规模社交媒体图片数据进行基于关联学习的位置预测。

公开(公告)号：CN107808132A

公开(公告)日：2018-03-16

申请号：CN201710992656.X

申请日：2017-10-23

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  付阿敏 ,  孙文正 ,  夏英

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00684 ,  G06K9/6267

Abstract: 本发明请求保护一种融合主题模型的场景图像分类方法,涉及深度学习及图像分类领域。该方法包括：对数据集进行预处理，扩充已获取数据集的数量，得到符合深度学习模型处理的图像数据格式；构建符合场景图像分类的卷积神经网络模型，使用卷积神经网络对处理后的图像数据集进行预训练；使用训练集，对构建的卷积神经网络进行端到端的迭代训练，调整网络中的参数，使用验证集对训练完成的模型进行验证，对提取到的具有判别力的场景图像特征进行建模，提取特征和图像之间存在的隐藏的主题变量,得到k维向量代表的图像主题分布，k代表主题数量；每幅图像可以看做是由多个主题所组成的一个概率分布图，利用分类器实现场景图像的分类。