基于条件生成对抗网络的无监督域适应图像分类方法

发明专利有效专利

申请号：
CN201811502897.2
IPC分类号：G06K9/62;G06N3/04
申请日期：
2018-12-10
申请人：
南京师范大学

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	基于条件生成对抗网络的无监督域适应图像分类方法
申请号	CN201811502897.2	申请日期	2018-12-10
法律状态	授权	申报国家	中国
公开/公告日	2019-05-14	公开/公告号	CN109753992A
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查看分类表>
申请人	南京师范大学	申请人地址	江苏省南京市鼓楼区宁海路122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	南京师范大学	当前权利人	南京师范大学
发明人	杨琬琪;凌彤;杨明
代理机构	南京经纬专利商标代理有限公司	代理人	施昊

摘要

本发明公开了基于条件生成对抗网络的无监督域适应图像分类方法。该方法的步骤：对图像数据集进行预处理；采用循环一致的生成对抗网络并施加约束损失函数，构建跨域的条件对抗图像生成网络；使用预处理后的图像数据集对构建的条件对抗图像生成网络进行训练；使用训练好的网络模型对待分类的目标图像进行测试，得到最终分类结果。本发明采用条件对抗跨域图像迁移算法，对源域和目标域图像样本进行相互转换，且对转换前后目标图像的分类预测施加一致性损失函数约束。同时运用有判别性的分类标签进行条件对抗性学习，以对齐源域和目标域图像标签的联合分布，从而运用有标签的源域图像对目标域图像进行训练，实现目标图像的分类，并提高了分类精度。

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