一种基于交叉对比神经网络的图像多任务分类方法

发明专利有效专利

申请号：
CN201711254627.X
IPC分类号：G06K9/62;G06N3/08
申请日期：
2017-11-29
申请人：
南京大学

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	一种基于交叉对比神经网络的图像多任务分类方法
申请号	CN201711254627.X	申请日期	2017-11-29
法律状态	实质审查	申报国家	暂无
公开/公告日	2019-06-04	公开/公告号	CN109840537A
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;8查看分类表>
申请人	南京大学	申请人地址	江苏省南京市栖霞区仙林大道163号南京大学电子科学与工程学院变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京大学	当前权利人	南京大学
发明人	孙宇;陈颖;葛云;黄晓林
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于交叉对比神经网络的图像多任务分类方法。本发明将深度神经网络与IBS理论相结合，提出了交叉对比神经网络，包括训练部分和测试部分。训练部分步骤：(1)按序选取图像组成集合，使用网络对任两幅进行特征提取；(2)对提取的特征进行概率统计，使用修改的IBS公式得到标准化后的MIBS值；(3)将MIBS值与标签结合，计算损失值；(4)重复以上步骤，使用算法优化损失值；(5)重复4，直至模型训练结束。测试部分步骤：(6)将测试图像与训练集图像两两输入训练好的模型中计算MIBS值，确定测试图像类别。本方法将图像以组合方式两两输入网络，对IBS理论修改加入网络中，解决了样本量少，准确率难以保证和统计特征无法寻找的问题。

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