基于深度树状训练策略的分段式选择集成图像分类方法

发明专利有效专利

申请号：
CN201910274548.8
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2019-04-08
申请人：
云南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度树状训练策略的分段式选择集成图像分类方法
申请号	CN201910274548.8	申请日期	2019-04-08
法律状态	实质审查	申报国家	中国
公开/公告日	2019-07-30	公开/公告号	CN110070116A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	云南大学	申请人地址	云南省昆明市五华区翠湖北路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	云南大学	当前权利人	云南大学
发明人	杨云;胡媛媛
代理机构	成都九鼎天元知识产权代理有限公司	代理人	韩雪

摘要

本发明公开了一种基于深度树状训练策略的分段式选择集成图像分类方法，该方法采用深度树状训练策略，在深度卷积神经网络每一个中间层都添加一个分支分类器，通过对分支分类器进行集成和梯度补偿，训练多个具有差异性且能提取中间层特征的分支分类器，产生候选基分类器集；利用基于正确率和差异性筛选的分段式选择集成方法对候选基分类器进行筛选，得到选定的基分类器集，并对其进行加权集成生成最终分类模型。本发明通过梯度补偿技术、特征融合技术以及深度学习与集成学习相结合的方式进行图像分类，提高了深度神经网络的训练效率，提升了分类器的分类性能，降低了集成学习的训练成本，最大程度地增强了最终分类器的泛化性和准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供