龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本专利公开了一种基于改进的Focal损失函数的图像识别方法，在已有的Focal损失函数的基础上，对Focal损失函数的调制因子进行改进，使函数对困难样本的关注度更高，对简单样本的关注度相对下降；然后，在基于Focal损失函数的卷积神经网络模型的基础上，对剩余负样本集进行预测，筛选所有困难样本，并分成N等份，分别加入原训练集，形成N个新训练集，之后训练多个模型，根据N个模型的投票选择，确定最终预测图片标签的结果。本发明在原有的Focal损失函数的基础上，对困难样本的关注度更高，提高了模型泛化能力；在负样本过多的情形下，利用原有模型筛选出困难样本加入训练集，既提高了模型的准确性，又充分利用了可用样本，也减少了训练模型时的计算量。
主权项：1.一种基于改进的Focal损失函数的图像识别方法，其特征在于，包括以下步骤：1对样本进行初次划分，划分成训练集，测试集以及剩余样本集，然后使用训练集，并基于改进的Focal损失函数，训练卷积神经网络模型；所述改进的FocalLoss函数为对Focal损失函数的调制因子进行改进，使函数对困难样本的关注度更高，对简单样本的关注度相对下降：FLgx＝-gxγlny'其中，FLgx为最终的损失值，gx就是新调制因子，y'就是正样本的预测结果，x为置信度，γ是样本控制参数，gx＝0.5*1+cosπ*y'；2使用训练好的神经网络模型，预测剩余样本集，并挑选出困难负样本，形成困难负样本集，并分出N等份；将N等份的困难负样本集，分别加入步骤1中划分的训练集中，形成新的训练集，总计N份新训练集；微调参数，然后训练新训练集，得到N个训练好的预测模型；3使用N个预测模型，预测同一份测试集，然后通过投票的方式得到最终的结果。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于改进的Focal损失函数的图像识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号