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：中国科学院计算技术研究所
摘要：本发明提出一种基于在线域自适应深度学习的图片分类方法和系统，包括通过特征提取网络提取源域图片数据和目标域图片数据的特征，得到源域特征和目标域特征；基于源域特征和目标域特征到聚类中心的距离显式表达域内类别条件分布概率；通过最小化源域数据标签与域内类别条件分布概率的相对熵距离，更新特征提取网络与类别聚类中心；通过求解运输问题，得到目标域样本的类别分配，通过最小化类别分配与域内类别条件分布概率的相对熵距离，再次更新特征提取网络与聚类中心，将待分类图片输入经过再次更新的特征提取网络，得到待分类图片的图片特征，计算图片特征与经过再次更新的类别聚类中心中所有类别中心的概率，取概率最大的类别作为分类结果。
主权项：1.一种基于在线域自适应深度学习的图片分类方法，其特征在于，包括：步骤1、通过特征提取网络分别提取源域图片数据和目标域图片数据的特征，得到源域特征和目标域特征；步骤2、获取类别聚类中心，基于该源域特征和该目标域特征到该聚类中心的距离显式表达域内类别条件分布概率；步骤3、通过最小化源域数据标签与域内类别条件分布概率的相对熵距离，更新该特征提取网络与类别聚类中心；步骤4、通过下式求解运输问题，得到目标域样本的类别分配： 式中γ*为该类别分配，其中表示目标域样本与类别的联合概率空间，q表示类别，为所有类别聚类中心，czt,q表示由样本zt运输至类别q的代价，γzt,q表示在当前运输策略γ下由目标域样本zt运输至类别q的大小，α为样本测度，β为类别测度β；步骤5、通过最小化该类别分配与域内类别条件分布概率的相对熵距离，再次更新特征提取网络与聚类中心；步骤6、将待分类图片输入经过再次更新的特征提取网络，得到待分类图片的图片特征，计算该图片特征与经过再次更新的类别聚类中心中所有类别中心的距离，表示该待分类图片属于各类别的概率，取概率最大的类别作为该待分类图片的图片分类结果。
全文数据：
权利要求：
百度查询： 中国科学院计算技术研究所 基于在线域自适应深度学习的图片分类方法及系统
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