[发明专利]一种基于语义属性注意力重分配机制的零样本学习方法及系统有效
| 申请号： | 201910335801.6 | 申请日： | 2019-04-24 |
| 公开（公告）号： | CN110163258B | 公开（公告）日： | 2021-04-09 |
| 发明（设计）人： | 刘洋;蔡登 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于语义属性注意力重分配机制的零样本学习方法及系统，其中，零样本学习方法包括：(1)建立基于语义属性注意力重分配机制的神经网络模型；(2)使用语义属性空间的注意力重新分配语义特征之间的权重；(3)使用带有标签的图像数据集训练神经网络模型；(4)计算图像加权后的语义特征与未知类的语义原型的相似度，计算隐层特征与未知类的隐层特征原型的相似度，将两种相似度相加得到测试图像与各未知类的相似度；(5)根据与各类之间的相似度进行排序，选取最大相似度的类作为该图像的类预测。本发明可以使零样本学习在训练过程中，能够更加紧密地联系语义空间和隐层空间，使得结合两种空间的联合分类的结果更加鲁棒。 | ||
| 搜索关键词： | 一种 基于 语义 属性 注意力 分配 机制 样本 学习方法 系统 | ||
【主权项】：
1.一种基于语义属性注意力重分配机制的零样本学习方法，其特征在于，包括：(1)建立基于语义属性注意力重分配机制的神经网络模型，所述神经网络模型包含视觉‑语义属性空间映射分支、视觉‑隐层空间映射分支和注意力分支，使图像在进行网络的前向推导时，分别得到图像在语义属性空间的语义特征、在隐层空间的隐层特征以及在语义属性空间的注意力；(2)使用语义属性空间的注意力重新分配语义特征之间的权重；(3)使用带有标签的图像数据集训练神经网络模型；(4)输入待测试图像，计算图像加权后的语义特征与各未知类的语义原型的相似度，计算隐层特征与未知类的隐层特征原型的相似度，将两种相似度相加得到测试图像与各未知类的相似度；(5)根据与各类之间的相似度进行排序，选取最大相似度的类作为该图像的类预测。
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浙江大学，未经浙江大学许可，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/201910335801.6/，转载请声明来源钻瓜专利网。
