[发明专利]训练多标签分类模型的方法和装置有效
| 申请号： | 201711187818.9 | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN109840531B | 公开（公告）日： | 2023-08-25 |
| 发明（设计）人： | 刘晓阳;胡晓林;王月红;曹忆南 | 申请（专利权）人： | 华为技术有限公司;清华大学 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/764;G06V10/82;G06N3/0464 |
| 代理公司： | 北京龙双利达知识产权代理有限公司 11329 | 代理人： | 王君;肖鹂 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本申请提供了一种训练多标签分类模型的方法和装置，能够动态学习图像特征，使特征提取网络更适应任务需求，并且多标签分类效果好。该方法包括：从训练数据集中确定n个样本和与所述n个样本对应的标签矩阵Y |
||
| 搜索关键词： | 训练 标签 分类 模型 方法 装置 | ||
【主权项】：
1.一种训练多标签分类模型的方法，其特征在于，包括：从训练数据集中确定n个样本和与所述n个样本对应的标签矩阵Yc*n，所述标签矩阵Yc*n中的元素yi*j表示第i个样本是否包含第j个标签指示的对象，c表示与所述训练数据集中的样本相关的标签的个数；利用特征提取网络提取所述n个样本的特征矩阵Xd*n，其中，所述特征提取网络具有权值参数Z，d表示所述特征矩阵Xd*n的特征维度；利用第一映射网络获取所述特征矩阵Xd*n的预测标签矩阵![]()
所述预测标签矩阵![]()
中的元素![]()
表示第i个样本包含第j个标签指示的对象的置信度，其中，所述第一映射网络的权值矩阵为特征映射矩阵Mc*d；利用第二映射网络获取所述标签矩阵Yc*n的低秩标签矩阵![]()
其中，所述第二映射网络的权值矩阵为低秩标签相关性矩阵S，所述低秩标签相关性矩阵S用于描述所述c个标签之间的关系；根据所述标签矩阵Yc*n、所述预测标签矩阵![]()
和所述低秩标签矩阵![]()
对所述权值参数Z、所述特征映射矩阵Mc*d和所述低秩标签相关性矩阵S进行更新，训练所述多标签分类模型；其中，n、c、i、j和d均为正整数，且i的取值范围为1至n，j的取值范围为1至c。
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华为技术有限公司;清华大学，未经华为技术有限公司;清华大学许可，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/201711187818.9/，转载请声明来源钻瓜专利网。
