[发明专利]一种基于细粒度特征提取的图像理解方法在审
| 申请号： | 202110967584.X | 申请日： | 2021-08-23 |
| 公开（公告）号： | CN113792175A | 公开（公告）日： | 2021-12-14 |
| 发明（设计）人： | 俞文心;张志强;丁劲皓;凌德玉;车璐;龚俊 | 申请（专利权）人： | 西南科技大学 |
| 主分类号： | G06F16/58 | 分类号： | G06F16/58;G06N3/04;G06N3/08 |
| 代理公司： | 成都帝鹏知识产权代理事务所(普通合伙) 51265 | 代理人： | 黎照西 |
| 地址： | 62100*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 细粒度 特征 提取 图像 理解 方法 | ||
1.一种基于细粒度特征提取的图像理解方法，其特征在于，包括步骤：
S10,对输入图像进行特征提取；
S20,基于提取特征进行图像子区域定位，对每一个子定位区域提取对应的区域特征；然后基于所述区域特征生成各自的区域描述信息；
S30,将所有区域描述信息进行统一的整合生成针对于输入图像内容的长文本描述。
2.根据权利要求1所述的一种基于细粒度特征提取的图像理解方法，其特征在于，在所述步骤S10中：利用卷积神经网络对对输入图像进行特征提取，获取输入图像的特征。
3.根据权利要求2所述的一种基于细粒度特征提取的图像理解方法，其特征在于，在所述步骤S20中：通过区域建议网络将输入图像的特征进行图像子区域定位。
4.根据权利要求3所述的一种基于细粒度特征提取的图像理解方法，其特征在于，在所述步骤S20中：对每个子定位区域通过卷积神经网络进行区域特征提取。
5.根据权利要求4所述的一种基于细粒度特征提取的图像理解方法，其特征在于，在所述步骤S20中：对每个子定位区域的区域特征通过循环神经网络生成各自的区域描述信息。
6.根据权利要求1-5中任一所述的一种基于细粒度特征提取的图像理解方法，其特征在于，在步骤S30中,将所有区域描述信息进行统一的整合生成针对于输入图像内容的长文本描述，包括步骤：对第i个长文本描述的生成是在第i个区域描述信息的基础上使用其他所有的区域描述去合成的。
7.根据权利要求6所述的一种基于细粒度特征提取的图像理解方法，其特征在于，利用卷积神经网络将所有区域描述信息进行统一的整合生成针对于输入图像内容的长文本描述。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南科技大学，未经西南科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110967584.X/1.html，转载请声明来源钻瓜专利网。
