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：北京大学
摘要：本发明涉及一种图像分类及图像分类模型的训练方法和装置，获取目标训练样本集，目标训练样本集中包括至少一个图像；针对每个图像，基于所述每个图像和预训练好的骨干模型，确定每个图像的全局特征图、第一块特征图，以及第二块特征图；将目标训练样本集中所有图像对应的全局特征图、第一块特征图以及第二块特征图，输入预设损失函数中，迭代更新得到图像分类模型的参数；预设损失函数的正样本相似度计算项中，针对所述每个图像的数据增强图像，以及目标训练样本集中与所述每个图像同一类别的其他图像，分别设置有与每个图像对应的正样本数量相关的加权项，用于平衡不同图像的正样本数量对梯度的影响，还用于学习不同类别图像之间的相同特征。
主权项：1.一种图像分类模型的训练方法，其特征在于，所述方法包括：获取目标训练样本集，所述目标训练样本集中包括至少一个图像；针对所述至少一个图像中的每个图像，基于所述每个图像和预训练好的骨干模型，确定所述每个图像的全局特征图、所述每个图像的全局特征图中至少一个块坐标分别对应的第一块特征图，以及所述至少一个块坐标在每个图像中分别对应的裁剪子图像的第二块特征图；将所述目标训练样本集中所有图像对应的全局特征图、第一块特征图以及第二块特征图，输入预设损失函数中，迭代更新得到图像分类模型的参数；其中，所述预设损失函数的正样本相似度计算项中，针对所述每个图像的数据增强图像，以及所述目标训练样本集中与所述每个图像同一类别的其他图像，分别设置有与所述每个图像对应的正样本数量相关的加权项，用于平衡不同图像的正样本数量对梯度的影响，所述预设损失函数还用于学习不同类别图像之间的相同特征。
全文数据：
权利要求：
百度查询： 北京大学 图像分类及图像分类模型的训练方法和装置
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