一种有效的基于潜在视觉属性挖掘的零样本学习方法

发明专利有效专利

申请号：
CN201910778304.3
IPC分类号：G06K9/62
申请日期：
2019-08-22
申请人：
四川大学

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	一种有效的基于潜在视觉属性挖掘的零样本学习方法
申请号	CN201910778304.3	申请日期	2019-08-22
法律状态	实质审查	申报国家	中国
公开/公告日	2021-02-26	公开/公告号	CN112418257A
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查看分类表>
申请人	四川大学	申请人地址	四川省成都市武侯区一环路南一段24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	四川大学	当前权利人	四川大学
发明人	谢昱锐;何小海;张津;罗晓东;卿粼波;吴小强
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于潜在视觉属性挖掘的零样本学习方法。该发明主要涉及以下步骤：首先在原特征域计算人工定义属性表示的特征映射矩阵、并通过稀疏字典模型的优化，挖掘潜在视觉属性集合。进一步构建了一种成对视觉字典模型，将原特征域获取的映射关系作为约束信息，引导目标特征域的学习。最后，对输入图像提取深度残差网络(ResNet)视觉特征，获取特征判别性语义表示，实现图像标签类别的预测。本发明所描述的图像识别方法具有无人工参与、识别率高、鲁棒性强等优点，针对少量样本及零样本情况下语义对象的识别这一特定领域，具备一定使用价值，可以进行实际应用。

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