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

发明专利有效专利

申请号：
CN201910335801.6
IPC分类号：G06K9/62;G06N3/04
申请日期：
2019-04-24
申请人：
浙江大学

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
申请号	CN201910335801.6	申请日期	2019-04-24
法律状态	授权	申报国家	中国
公开/公告日	2019-08-23	公开/公告号	CN110163258A
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	浙江大学	申请人地址	浙江省杭州市西湖区余杭塘路866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	浙江大学	当前权利人	浙江大学
发明人	刘洋;蔡登
代理机构	杭州天勤知识产权代理有限公司	代理人	胡红娟

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。

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