[发明专利]一种无同类训练样本情形下的图像识别方法在审
| 申请号： | 201810335966.9 | 申请日： | 2018-04-13 |
| 公开（公告）号： | CN108615052A | 公开（公告）日： | 2018-10-02 |
| 发明（设计）人： | 吴松松;王堃;孙广成;荆晓远;岳东 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种无同类训练样本情形下的图像识别方法，本方法能有效减少在无同类训练样本情形下图像识别过程中语义迁移和已知类别训练样本属性噪声问题带来的影响。我们采用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于已知类别训练样本特征和其虚拟的真实属性利用编码器—解码器模型学习一个属性预测器来达到有效减少语义迁移问题影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他方法相比，我们的方法在识别率和识别速率上均取得显著提高。 | ||
| 搜索关键词： | 训练样本 图像识别 语义 有效减少 噪声问题 真实属性 迁移 虚拟 最近邻分类器 解码器模型 类别样本 编码器 识别率 预测器 标签 测试 学习 | ||
【主权项】：
1.一种无同类训练样本情形下的图像识别方法，其特征在于：包括如下步骤：步骤1)针对给定的已知类别训练样本中包含的属性噪声问题，利用正太分布虚拟出已知类别训练样本的真实属性；步骤2)针对无同类训练样本情形下图像识别中存在的语义迁移问题，根据步骤1)计算出的给定的已知类别训练样本真实属性，学习一个从已知类别训练样本的特征到已知类别训练样本真实属性的编码器，再学习一个将已知类别训练样本真实属性映射到特征空间的解码器，采用编码器‑解码器模型学习一个属性预测器预测待测试未知类别样本的属性；步骤3)用步骤2)得到的属性预测器预测待测试未知类别样本的属性，并将预测到的待测试未知类别样本的属性通过最近邻分类器与待测试未知类别样本的原型属性比对，以得到待测试未知类别样本的标签。
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南京邮电大学，未经南京邮电大学许可，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/201810335966.9/，转载请声明来源钻瓜专利网。
