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：合肥工业大学
摘要：本发明公开了一种自注意力驱动的相似性图像分类方法，包括：1、构建图像样本集并构建每个图像样本的正样本对和负样本对；2、构建表示学习网络得到映射特征；3、构建自注意力加权网络得到分配权重后的特征图；4、构建相似性学习网络得到不同图像样本在各个主题下的相似性得分，从而构建三重损失函数Ltopic；5、构建一个基于对抗性损失的生成网络得到分配权重后的主题特征图，从而构建生成器模型G的损失函数Lgen以及对抗损失函数Ladv；6、构建整体联合损失函数L。本发明提供了一种可解释的判断给定对象相似程度的方法，而且能表明它们的哪些部分彼此相似以及它们在语义上有多相似。
主权项：1.一种自注意力驱动的相似性图像分类方法，其特征在于，包括如下步骤：步骤1：构建图像样本集}，其中，为第i个图像样本，n表示图像样本的个数，令的真实标签为，且∈{1,2,…,r}，r表示类别总数；将与中属于同一类别标签的图像样本分别作为正样本对，从而得到个正样本对所构成的的正样本集；将与中属于不同类别标签的图像样本分别作为负样本对，从而得到个负样本对所构成的的负样本集；步骤2：构建表示学习网络，并对进行处理，得到横向映射特征、纵向映射特征和全局映射特征；步骤3：构建自注意力加权网络，并对、和进行处理，得到分配权重后的特征图，从而得到向量化特征数据集；步骤4：构建相似性学习网络，并用于对主题向量集Q和进行处理，得到不同图像样本在各个主题下的相似性得分，从而构建三重损失函数；步骤5：构建一个基于对抗性损失的生成网络，并用于对和Q进行处理，并得到分配权重后的主题特征图；从而构建生成器模型G的损失函数以及对抗损失函数；步骤6：利用式9构建整体联合损失函数； 9式9中，，，分别为控制三重损失函数，生成器损失函数和对抗损失函数权重的参数；步骤7：利用梯度下降法对由表示学习网络、自注意力加权网络、相似性学习网络和生成网络组成的相似性图像分类网络进行训练，并计算整体联合损失函数以更新网络参数，直至整体联合损失函数收敛为止，从而得到最优相似性图像分类模型，用于对输入的不同图像样本进行处理，并输出在不同主题下的相似性程度。
全文数据：
权利要求：
百度查询： 合肥工业大学 一种自注意力驱动的相似性图像分类方法
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