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：华南理工大学

摘要：本发明公开了一种基于神经网络多专家分层逻辑融合的长尾图像识别方法，该方法是基于结合了多专家分层逻辑融合技术的神经网络实现长尾图像的有效识别，包含一个多分支特征提取网络、两个多专家分层逻辑融合模块和全连接层，多分支特征提取网络包含一个共享的主干网络和三个独立的专家网络，两个多专家分层逻辑融合模块用于将主干网络的浅层逻辑输出与前两个专家网络的深层逻辑输出进行融合，同时在专家网络的融合逻辑输出之间使用相互学习方法，不仅能促进三个专家网络传递信息并提升彼此的性能，也能促进主干网络参数的协同更新。本发明可有效增强网络对长尾图像数据集中少数类图像的识别能力，并促进网络浅层与深层参数的协同更新。

主权项：1.基于神经网络多专家分层逻辑融合的长尾图像识别方法，其特征在于，该方法是基于结合了多专家分层逻辑融合技术的神经网络实现长尾图像的有效识别，该神经网络包含一个多分支特征提取网络、两个多专家分层逻辑融合模块和作为分类器的全连接层，所述多分支特征提取网络包含一个共享的主干网络和三个独立的专家网络，所述共享的主干网络包含两个残差卷积模块，每个专家网络仅包含一个残差卷积模块，两个多专家分层逻辑融合模块用于将共享的主干网络的浅层逻辑输出与前两个专家网络的深层逻辑输出进行融合，逻辑融合能够有效增强网络对长尾图像数据集的识别能力，同时在专家网络的融合逻辑输出之间使用相互学习方法，相互学习不仅能促进三个专家网络传递信息并提升彼此的性能，也能促进主干网络参数的协同更新；所述基于神经网络多专家分层逻辑融合的长尾图像识别方法的具体实施，包括：将获取的长尾图像输入训练好的结合了多专家分层逻辑融合技术的神经网络进行以下操作：长尾图像首先输入多分支特征提取网络，通过共享的主干网络的第一个残差卷积模块生成第一张浅层特征图，随后第一张浅层特征图输入共享的主干网络的第二个残差卷积模块，提取出第二张浅层特征图，第二张浅层特征图接着并行地输入到三个专家网络中，每个专家网络都通过一个残差卷积模块生成一张深层特征图；在完成特征提取后，通过多专家分层逻辑融合模块将共享的主干网络的浅层逻辑输出与前两个专家网络的深层逻辑输出进行融合：首先，将所有输入多专家分层逻辑融合模块的特征图转化为逻辑输出，共享的主干网络的两张浅层特征图经由全连接层转化为两个浅层逻辑输出，三个专家网络的三张深层特征图经由全连接层转化为三个深层逻辑输出，然后通过第一个多专家分层逻辑融合模块将第一个浅层逻辑输出与第一个专家网络的深层逻辑输出进行融合，生成第一个专家网络的融合逻辑输出，通过第二个多专家分层逻辑融合模块将第二个浅层逻辑输出与第二个专家网络的深层逻辑输出进行融合，生成第二个专家网络的融合逻辑输出，而第三个专家网络的融合逻辑输出即为第三个专家网络的深层逻辑输出；在获取到三个专家网络的融合逻辑输出后，进行网络的预测推理，在预测推理阶段，对三个专家网络的融合逻辑输出求均值，生成最终的融合逻辑输出，即网络的长尾图像类别的预测结果。

全文数据：

权利要求：

百度查询： 华南理工大学 基于神经网络多专家分层逻辑融合的长尾图像识别方法