[发明专利]基于类别属性迁移学习的零样本图像分类方法有效
| 申请号： | 201611033208.9 | 申请日： | 2016-11-18 |
| 公开（公告）号： | CN106778804B | 公开（公告）日： | 2020-10-20 |
| 发明（设计）人： | 冀中;孙涛 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像处理、图像分类技术，为提出具有高效、高准确率的图像分类技术方案。本发明：基于类别属性迁移学习的零样本图像分类方法，在间接属性预测IAP基础上，通过构建基于属性的多类别分类器模型，来判断测试样本是否具有一属性，而且能够学习到测试样本的这一属性由哪些类别迁移而来，从而学习得到更加细粒度的属性，再进行转移学习，实现零样本图像分类；其中，IAP训练阶段就是一个多类别分类器，测试阶段，通过测试样本属于各个标注类别的概率，得到测试样本的预测语义特征，最后通过预测语义特征判别测试样本属于哪个未见过的类别。本发明主要应用于图像处理。 | ||
| 搜索关键词： | 基于 类别 属性 迁移 学习 样本 图像 分类 方法 | ||
【主权项】：
一种基于类别属性迁移学习的零样本图像分类方法，其特征是，在间接属性预测IAP基础上，通过构建基于属性的多类别分类器模型，来判断测试样本是否具有一属性，而且能够学习到测试样本的这一属性由哪些类别迁移而来，从而学习得到更加细粒度的属性，再进行转移学习，实现零样本图像分类；其中，IAP训练阶段就是一个多类别分类器，测试阶段，通过测试样本属于各个标注类别的概率，得到测试样本的预测语义特征，最后通过预测语义特征判别测试样本属于哪个未见过的类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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天津大学，未经天津大学许可，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/patent/201611033208.9/，转载请声明来源钻瓜专利网。
