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：武汉大学

摘要：本发明提出了一种核心集选择的特征贡献维结构约束分类方法及系统。本发明获取生活物品图像并标记其真实类别；构建图像分类网络，基于图像集进行预训练；提取每组类别图像集的特征向量；构建深度特征贡献性结构约束关系矩阵；若图像集的数量超过阈值，使用硬深度特征贡献性结构约束的LeastConfidence核心集选择算法筛选核心集，训练得到硬深度训练的分类网络；若图像集的数量不超过阈值，使用软深度特征贡献性结构约束的CRAIG核心集选择算法筛选核心集，训练得到软深度训练的分类网络；实时采集多幅生活物品图像，使用对应的分类网络进行分类。本发明改进了现有的用于深度学习的核心集选择方法，提升所选核心集的质量和基于核心集训练的分类网络的分类精度。

主权项：1.一种核心集选择的特征贡献维结构约束分类方法，其特征在于，包括以下步骤：步骤1：获取多幅生活物品图像，标记每幅生活物品图像的真实类别；步骤2：构建图像分类网络，将每幅生活物品图像输入至图像分类网络进行预测，得到每幅生活物品图像中物品预测的类别，结合每幅生活物品图像中物品真实的类别构建损失函数模型，通过梯度下降算法优化训练得到优化后分类网络；步骤3：将多幅生活物品图像根据物品对应的类别，划分为每组类别的生活物品图像集，将每组类别的生活物品图像集中每幅图像依次输入至优化后的分类网络，提取所述全连接层提取的每组类别的生活物品图像集中每幅图像的特征向量，以构建每组类别的生活物品图像集的特征向量集合；步骤4：结合每组类别的生活物品图像集的特征向量集合，利用深度特征贡献性结构度量方法衡量相同类别标签的物品图像之间的深度特征贡献性结构关系，以构建深度特征贡献性结构约束的关系矩阵；步骤5：若生活物品图像集的图像总数量大于数量阈值，结合深度特征贡献性结构约束的关系矩阵，引入硬深度特征贡献性结构约束，通过硬深度特征贡献性结构约束的LeastConfidence核心集选择算法得到硬深度筛选后的生活物品图像核心集；将硬深度筛选后的生活物品图像核心集用于训练与步骤2所述网络结构相同的图像分类网络，得到硬深度训练的图像分类网络；步骤6：若生活物品图像集的图像总数量小于等于数量阈值，结合深度特征贡献性结构约束的关系矩阵，引入软深度特征贡献性结构约束，通过软深度特征贡献性结构约束的CRAIG核心集选择算法得到软深度筛选后的生活物品图像核心集；将软深度筛选后的生活物品图像核心集用于训练与步骤2所述网络结构相同的图像分类网络，得到软深度训练的图像分类网络；步骤7：实时采集多幅生活物品图像，使用步骤5或者步骤6所述图像分类网络进行分类得到实时多幅生活物品图像对应的类别。

全文数据：

权利要求：

百度查询： 武汉大学 一种核心集选择的特征贡献维结构约束分类方法及系统