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：北京邮电大学

摘要：本申请涉及一种基于跨数据集信息挖掘的细粒度图像识别方法与装置。所述方法包括：获取目标细粒度图像；将目标细粒度图像输入训练好的细粒度图像识别神经网络，其中，细粒度图像识别神经网络包括特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块，特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块均为基于跨数据集信息预先训练的；训练好的细粒度图像识别神经网络输出与目标细粒度图像对应的识别结果。本申请通过基于跨数据集信息预先训练的细粒度图像识别神经网络对目标细粒度图像进行识别，因为训练过程学习到了不同数据集之间的正负迁移，也平衡了跨数据集的正负迁移，从而提升了识别精准度。

主权项：1.一种基于跨数据集信息挖掘的细粒度图像识别方法，其特征在于，所述方法包括：获取目标细粒度图像；将所述目标细粒度图像输入训练好的细粒度图像识别神经网络，其中，所述细粒度图像识别神经网络包括特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块，所述特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块均为基于跨数据集信息预先训练的；所述训练好的细粒度图像识别神经网络输出与所述目标细粒度图像对应的识别结果；所述细粒度图像识别神经网络的训练过程，包括：基于跨数据集信息选取训练样本图像；将训练样本图像输入所述特征提取模块训练得到深度特征；将所述深度特征输入所述空间注意力模块进行权重学习，得到带空间注意力的深度特征，以使所述空间注意力模块学习到不同数据集之间的正负迁移；训练将所述带空间注意力的深度特征依次通过特征去相关模块、特征汇聚模块、识别模块；当达到预设训练次数或所述细粒度图像识别神经网络在损失函数上收敛时停止训练；在将训练样本图像输入所述特征提取模块训练得到深度特征之后，还包括：在所述训练样本图像中随机选取一个数据集作为元测试集，将所述训练样本图像中除去所述元测试集的所有数据集作为元训练集；使用所述元训练集对所述空间注意力模块进行元学习训练，优化更新所述空间注意力模块中的参数；通过所述元测试集计算元学习的损失函数，直至所述元学习的损失函数收敛为止；所述元学习的损失函数为： 其中，LoSSmeta表示所述元学习的损失函数，表示与元训练集相关的损失，表示与元测试集相关的损失；将所述深度特征输入所述空间注意力模块进行权重学习，得到带空间注意力的深度特征，包括：将所述深度特征在通道上分成8组，将分组后的深度特征输入所述空间注意力模块，得到带空间注意力的深度特征；特征去相关模块包含有投影头；训练将所述带空间注意力的深度特征通过特征去相关模块，包括：训练通过所述投影头将所述带空间注意力的深度特征去相关，得到特有特征；所述特征汇聚模块为基于门控的通道式特征汇聚模块且设置有加权融合层、全连接层；所述特征汇聚模块的训练过程包括：将所述特有特征输入所述特征汇聚模块，训练将所述特有特征在通道层面实现串联，且通过所述加权融合层实现各特有特征中对应权重的融合；训练将融合结果经过所述全连接层进行输出；所述识别模块通过设置联合分类器实现。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于跨数据集信息挖掘的细粒度图像识别方法与装置