[发明专利]基于深度多任务学习的图像美感和情感联合分类方法及系统在审
| 申请号： | 201910272826.6 | 申请日： | 2019-04-04 |
| 公开（公告）号： | CN109978074A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 崔超然;余俊;杨文雅 | 申请（专利权）人： | 山东财经大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张庆骞 |
| 地址： | 250014 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供了一种基于深度多任务学习的图像美感和情感联合分类方法及系统。其中，该联合分类方法包括：标注图像对应的美感类别和情感类别，形成训练数据集；构造包含跨分支连接层和两个并行网络分支的深度卷积神经网络；利用训练数据集来训练深度卷积神经网络，直至预定义损失函数达到最小；利用训练得到的深度卷积神经网络输出给定图像属于各美感类别和各情感类别的概率，选取美感类别和情感类别中概率最大的类别分别作为给定图像的预测美感类别和情感类别。 | ||
| 搜索关键词： | 美感 图像 卷积神经网络 情感类别 训练数据集 任务学习 分类 并行网络 分支连接 损失函数 预定义 概率 联合 标注 输出 预测 | ||
【主权项】：
1.一种基于深度多任务学习的图像美感和情感联合分类方法，其特征在于，包括：标注图像对应的美感类别和情感类别，形成训练数据集；构造包含跨分支连接层和两个并行网络分支的深度卷积神经网络；其中，两个网络分支分别负责对输入图像进行美感分类和情感分类；跨分支连接层用于连接两个网络分支中对应的卷积层组，以关联美感分类和情感分类这两个任务；深度卷积神经网络的输出代表输入图像属于各美感类别和各情感类别的概率；利用训练数据集来训练深度卷积神经网络，直至预定义损失函数达到最小；利用训练得到的深度卷积神经网络输出给定图像属于各美感类别和各情感类别的概率，选取美感类别和情感类别中概率最大的类别分别作为给定图像的预测美感类别和情感类别。
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山东财经大学，未经山东财经大学许可，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/201910272826.6/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
