[发明专利]基于注意力模型的少量样本分类方法在审
| 申请号： | 201910582214.7 | 申请日： | 2019-06-30 |
| 公开（公告）号： | CN110443277A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 冀中;柴星亮 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 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： | 一种基于注意力模型的少量样本分类方法，训练一个卷积神经网络图像分类模型，训练好卷积神经网络图像分类模型后，去掉卷积神经网络图像分类模型的全连接层，保留卷积神经网络图像分类模型的卷积神经网络部分；根据所有样本图像的特征向量对待测图像进行基础分类，得到n×m个标量，n为所有样本图像的类数，m为每个类中的样本图像数；将每一类的m个样本图像连接为m×M维的向量，输入一个非线性映射函数得到n×m个相对权重；将得到的n×m个标量与对应的n×m个相对权重分别相乘，得到新的n×m个标量，将每个类中新的m个标量相加得到最终的分类结果。本发明通过挖掘类内图像重要性的得分，使得模型能更加关注比较重要的样本，对类内图像进行均衡。 | ||
| 搜索关键词： | 卷积神经网络 图像分类模型 样本图像 标量 注意力模型 相对权重 样本分类 非线性映射函数 图像 相乘 图像重要性 分类结果 基础分类 特征向量 连接层 向量 相加 样本 均衡 挖掘 保留 | ||
【主权项】：
1.一种基于注意力模型的少量样本分类方法，其特征在于，包括如下步骤：1)训练一个卷积神经网络图像分类模型，训练好卷积神经网络图像分类模型后，去掉该卷积神经网络图像分类模型的全连接层，保留该卷积神经网络图像分类模型的卷积神经网络部分；2)根据所有样本图像的特征向量对待测图像进行基础分类，得到n×m个标量，其中，n为所有样本图像的类数，m为每个类中的样本图像数；3)将每一类的m个样本图像连接为m×M维的向量，输入一个非线性映射函数得到n×m个相对权重；4)将得到的n×m个标量与对应的n×m个相对权重分别相乘，得到新的n×m个标量，将每个类中的新的m个标量相加得到最终的分类结果。
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/201910582214.7/，转载请声明来源钻瓜专利网。
