[发明专利]一种基于方向梯度直方图结合伪逆学习训练堆栈自编码器的图像分类方法在审
| 申请号： | 201810269829.X | 申请日： | 2018-03-29 |
| 公开（公告）号： | CN108460426A | 公开（公告）日： | 2018-08-28 |
| 发明（设计）人： | 尹乾;冯思博;郭平 | 申请（专利权）人： | 北京师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100875 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于方向梯度直方图结合伪逆学习训练堆栈自编码器的图像分类方法，包括(1)采用方向梯度直方图(HOG)提取图像梯度特征，计算图像的方向图，通过HOG算子统计若干重叠局部区域的方向特征，得到图像的HOG特征。我们设定不同的HOG算子的参数得到若干HOG特征，将这些特征融合成高维的特征向量。(2)使用伪逆学习算法训练堆栈自编码器(PILAE)，将上步骤中融合成的高维特征放入PILAE中继续学习特征。(3)将在PILAE中学习的特征放到分类器中进行分类。HOG可以提取图像二维的信息。伪逆学习算法是一种非迭代方法，用于训练多层前馈神经网络。本发明提出的模型，训练时间较其他模型有优势，大多数超参数由输入数据和网络结构自行决定，不需要手动设定。 | ||
| 搜索关键词： | 伪逆 方向梯度直方图 编码器 堆栈 提取图像 图像分类 学习算法 学习训练 算子 高维 图像 前馈神经网络 方向特征 局部区域 手动设定 特征融合 特征向量 梯度特征 网络结构 方向图 非迭代 分类器 多层 二维 放入 融合 学习 分类 统计 | ||
【主权项】：
1.一种基于方向梯度直方图结合伪逆学习训练堆栈自编码器的图像分类方法，包括以下步骤：1)使用方向梯度直方图提取图像的梯度特征，这里使用若干不同参数的HOG算子提取不同的梯度特征，然后将这些不同的特征级联成高维特征。2)使用伪逆学习算法训练堆栈自编码器(PILAE)，将步骤1)的高维特征作为模型输入，进一步学习特征。3)将PILAE训练出的特征输入到分类器中进行图像分类。
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北京师范大学，未经北京师范大学许可，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/201810269829.X/，转载请声明来源钻瓜专利网。
