Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于特征加权的图像分类方法、系统及相关装置 

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:西安交通大学

摘要:本发明提供一种基于特征加权的图像分类方法、系统及相关装置,方法包括:将检测图像输入预设主干网络中,基于所述主干网络的特征提取模块,提取图像特征;基于所述的图像特征,采用基于随机傅立叶特征的Hilbert‑Schmidt独立准则独立统计量作为特征相关性的度量,生成特征的随机傅里叶测度,同时学习一组样本的权值,采用保存和重新加载的方法,结合并存储训练阶段遇到的所有特征和样本权值,并对分类损失进行加权,得到加权损失,计算模型的最终损失,用所述损失更新特征提取函数和分类预测函数;基于更新的特征提取函数和分类预测函数对训练图像再次进行特征提取并分类预测,得到图像的最终分类结果;利用特征加权,降低特征之间的虚假相关性果。

主权项:1.一种基于特征加权的图像分类方法,其特征在于,包括以下步骤:获取检测图像,将所述检测图像输入预设主干网络中,基于所述主干网络的特征提取模块,提取图像特征;基于所述的图像特征,采用基于随机傅立叶特征的Hilbert-Schmidt独立准则独立统计量作为特征相关性的度量,生成特征的随机傅里叶测度;基于所述生成的特征随机傅里叶测度,同时学习一组样本的权值;基于所述的样本权值的学习,采用保存和重新加载的方法,该方法结合并存储训练阶段遇到的所有特征和样本权值,并对分类损失进行加权,得到加权损失;基于所述的加权损失计算模型的最终损失,用最终损失更新主干网络中的特征提取函数和分类预测函数;基于更新的特征提取函数和分类预测函数对训练图像再次进行特征提取并分类预测,得到图像的最终分类结果。

全文数据:

权利要求:

百度查询: 西安交通大学 一种基于特征加权的图像分类方法、系统及相关装置

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。