[发明专利]一种基于元学习的细粒度分类方法在审
| 申请号： | 201811451465.3 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109711433A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 陆生礼;庞伟;阮小千;范雪梅;武瑞利;向丽苹;梁彪 | 申请（专利权）人： | 东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 葛潇敏 |
| 地址： | 214135 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： | 本发明公开一种基于元学习的细粒度分类方法，步骤是：建立外部数据集，将数据集分为训练集、验证集和测试集，三者之间的样本类别互不相交，且测试集的样本类别小于训练集；对数据集中的样本进行数据增强；建立卷积神经网络，该卷积神经网络的输入为彩色图片，输出为彩色图片所属类别，分类层的长度等于外部数据集的类别数，损失函数采用softmax loss；采用训练集训练细粒度分类网络；利用测试集对预训练好的卷积神经网络进行测试，并根据测试结果对卷积神经网络进行微调。此种方法可以快速生成一个良好的通用初始化模型，可以使得在测试相关但不同的类别时，仅用较少的样本就可以取得较好的分类效果，来解决细粒度分类时没有大数据集的问题。 | ||
| 搜索关键词： | 卷积神经网络 细粒度分类 测试集 训练集 彩色图片 外部数据 样本类别 样本 测试 分类效果 快速生成 数据集中 数据增强 损失函数 初始化 大数据 数据集 验证集 微调 相交 输出 通用 学习 分类 网络 | ||
【主权项】：
1.一种基于元学习的细粒度分类方法，其特征在于包括如下步骤：步骤1，根据研究机构的公开细粒度分类数据库或自行搜集的数据建立外部数据集，将数据集分为训练集、验证集和测试集，且测试集的样本类别小于训练集，训练集、验证集和测试集之间的样本类别互不相交；步骤2，对数据集中的样本进行数据增强；步骤3，建立卷积神经网络，该卷积神经网络的输入为彩色图片，输出为彩色图片所属类别，分类层的长度等于外部数据集的类别数，损失函数采用softmax loss；采用训练集训练细粒度分类网络；步骤4，利用测试集对步骤3预训练好的卷积神经网络进行测试，并根据测试结果对卷积神经网络进行微调。
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东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司，未经东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司许可，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/201811451465.3/，转载请声明来源钻瓜专利网。
