[发明专利]基于语义引导的少量样本分类方法有效
申请号: | 201910582212.8 | 申请日: | 2019-06-30 |
公开(公告)号: | CN110472652B | 公开(公告)日: | 2023-06-09 |
发明(设计)人: | 冀中;柴星亮 | 申请(专利权)人: | 天津大学 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/74;G06V10/774;G06V10/40;G06V10/82;G06V20/70;G06N3/0464 |
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: | 一种基于语义引导的少量样本分类方法,使用卷积神经网络模块对所有样本图像分别进行特征提取,得到每张样本图像的特征向量;将属于同类别的样本图像的特征向量的均值作为该类别的类别原型来表示该类;通过全连接网络将所有类别原型映射到与对应类别的语义向量相同的维度,计算类别原型与语义向量的欧式距离,将欧式距离作为一个损失函数来引导类别原型和对应的语义向量对齐;将待识别的图像进行特征提取并将该图像映射到与语义相同的维度,与所有类别的类别原型映射到与对应的语义相同的维度得到的向量进行比较,对待识别的图像进行分类。本发明通过利用语义空间对视觉空间进行约束引导,使图像的特征空间具有一定的语义相关性,结构更加鲁棒。 | ||
搜索关键词: | 基于 语义 引导 少量 样本 分类 方法 | ||
【主权项】:
1.基于语义引导的少量样本分类方法,其特征在于,包括如下步骤:/n1)使用卷积神经网络模块对所有样本图像分别进行特征提取,得到每张样本图像的特征向量;/n2)将属于同类别的所有样本图像的特征向量的均值作为该类别的类别原型来表示该类;/n3)通过全连接网络将所有类别原型映射到与对应类别的语义向量相同的维度,然后计算类别原型与语义向量的欧式距离,将所述的欧式距离作为一个损失函数来引导类别原型和对应的语义向量对齐;/n4)将待识别的图像进行特征提取并将该图像映射到与语义相同的维度,与所有类别的类别原型映射到与对应的语义相同的维度得到的向量进行比较,对待识别的图像进行分类。/n
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/201910582212.8/,转载请声明来源钻瓜专利网。