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：重庆邮电大学
摘要：本发明涉及可解释人工智能领域，具体涉及一种提高图像目标区域关注度的图像分类方法，包括获取待分类图像集及其标签集，对待分类图像集进行预处理得到训练集；采用训练集和标签集对卷积神经网络进行第一阶段训练，并通过交叉熵损失函数计算分类损失；完成第一阶段训练得到初始模型，采用训练集对初始模型进行类特征可视化得到不同标签类型下的通道语义向量；复制初始模型的权重作为第二模型的初始权重，基于通道语义向量和训练集，对第二模型进行第二阶段训练；完成第二阶段训练得到可解释卷积神经网络模型，将其应用于图像分类；本方法能有效减少模型的虚假关联，同时提高了模型部署在不同环境下的稳定性。
主权项：1.一种提高图像目标区域关注度的图像分类方法，其特征在于，包括以下步骤：S1.获取待分类图像集及其标签集，对待分类图像集进行预处理得到训练集；S2.采用训练集和标签集对卷积神经网络进行第一阶段训练，并通过交叉熵损失函数计算分类损失；S3.完成第一阶段训练得到初始模型，采用训练集对初始模型进行类特征可视化得到不同标签类别下的通道语义向量；S4.复制初始模型的权重作为第二模型的初始权重，基于通道语义向量和训练集，对第二模型进行第二阶段训练，包括：S41.将训练集中的样本图像输入第二模型得到样本图像类别，并采用交叉熵损失函数计算第二模型的分类损失；S42.采用AnnoCAM方法计算该样本图像在初始模型下对应的第一显著图；S43.采用HiResCAM方法计算该样本图像在第二模型下对应的第二显著图；S44.对第一显著图进行二值化得到二值显著图，根据二值显著图和第二显著图计算解释一致性损失；S45.将分类损失和解释一致性损失进行加权求和得到训练损失，将训练损失反向传播优化第二模型参数；S46.重复步骤S41-S45，直至第二模型参数收敛；S5.完成第二阶段训练得到可解释卷积神经网络模型，将其应用于图像分类。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种提高图像目标区域关注度的图像分类方法
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