基于多模态表征的细粒度图像分类方法

发明专利有效专利

申请号：
CN201810627958.1
IPC分类号：G06K9/62;G06F17/30;G06N3/04
申请日期：
2018-06-15
申请人：
东南大学

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	基于多模态表征的细粒度图像分类方法
申请号	CN201810627958.1	申请日期	2018-06-15
法律状态	实质审查	申报国家	中国
公开/公告日	2018-12-14	公开/公告号	CN109002834A
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;F;1;7;/;3;0;;;G;0;6;N;3;/;0;4查看分类表>
申请人	东南大学	申请人地址	江苏省南京市江宁区东南大学路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	东南大学	当前权利人	东南大学
发明人	漆桂林;徐华鹏;徐康
代理机构	南京苏高专利商标事务所（普通合伙）	代理人	柏尚春

摘要

本发明公开了一种基于多模态表征的细粒度图像分类方法，利用知识库的嵌入模型，将知识用分布式的向量表达，结合文本的分布式词嵌入表达形式，从而获取图像分类中标签的语义向量表达。并且设计深度学习模型，分别通过检测网络和分类网络学习图像不同层面的特征，将图像与其对应的分类标签的语义向量表达形式联合映射分类，提高了细粒度图像分类的精确度。

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