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：上海眼控科技股份有限公司
摘要：本申请涉及一种图片分类方法、装置、计算机设备和存储介质，使用的分类神经网络是基于初始神经网络训练的，且该初始神经网络的多个并联全连接层可输出不同属性类别数量，这样在训练初始神经网络时，训练全连接层时初始神经网络的特征提取层会学习图片中的参数特征，当训练初始神经网络中的不同的全连接层是，可进一步促进初始神经网络的特征提取层学习图片中的参数特征，相当于，对于多属性分类问题，通过在初始神经网络上设置多个并联全连接层，使得该神经网络对图片中的参数特征学习的更加精确，这样在使用训练好的分类神经网络对图片的属性进行分类时，得到的分类结果也更加精确。
主权项：1.一种图片分类方法，其特征在于，所述方法包括：获取多张多属性图片；将各所述图片输入至预设的分类神经网络中，得到多种属性分类结果；其中，所述分类神经网络是基于初始分类神经网络训练的，所述初始分类神经网络包括多个并联的全连接层，所述多个并联的全连接层共用一个输入层和特征提取层，每个全连接层输出的属性类别数量不同；所述分类神经网络的训练过程包括：获取多张样本多属性图片；将各所述样本多属性图片输入至所述输入层和所述特征提取层后，依照全连接层输出的属性类别数量从小到大，且前一个全连接层收敛后再训练下一个全连接的顺序，依次单独训练每个全连接层，直到所有的全连接层都收敛，注释掉除输出属性类别数量最大的全连接层以外的其它全部全连接层，得到所述分类神经网络；所述初始分类神经网络还包括多个分类函数层，所述分类函数层分别连接在对应的所述全连接层后面；所述分类函数层，用于在训练过程中，将各所述全连接层的输出变换为预设区间的值，并根据所述预设区间的值与预设阈值的比较结果，确定各所述全连接层对应的分类结果，再基于标准分类结果预测各所述分类结果的准确率；各所述全连接层的损失函数存在关联关系，所述关联关系至少包括：按照所述全连接层的属性分类数量从小到大的顺序，从第二个全连接层开始，每一个所述全连接层的综合损失函数为当前全连接层的层级损失函数与所述当前全连接层之前的所有全连接层的层级损失函数的加权和。
全文数据：
权利要求：
百度查询： 上海眼控科技股份有限公司 图片分类方法、装置、计算机设备和存储介质
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