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：山西大学
摘要：本发明提出了一种基于两级自步学习的无监督图匹配方法，实现步骤为：获取训练样本集和测试样本集；构建基于两级自步学习的无监督图匹配网络模型O；对无监督图匹配网络模型进行迭代训练；获取无监督图匹配结果。本发明在对无监督图匹配网络模型进行训练的过程中，自步学习子图更新网络通过置信度值较高的指示矩阵对融合关联子图的节点特征和分配关联子图的节点特征进行更新，批量样本自步学习反馈网络通过置信度对训练样本集进行更新，并将更新结果作为下一次迭代的输入，避免了现有技术中因存在置信度较低的节点特征和随机选取训练样本子集的缺陷，有效提高了匹配精度。
主权项：1.一种基于两级自步学习的无监督图匹配方法，其特征在于，包括以下步骤：1获取训练样本集和测试样本集：获取包括M个物品类别的I幅自然图像，并对每幅自然图像进行预处理，然后将预处理后的各包含N个节点的I幅自然图像中每个类别的每两幅自然图像组成一个样本，再将半数以上的样本平均划分为S个组后将每组包括的多个样本组成训练样本子集，得到由S个训练样本子集组成的训练样本集P，将剩余的样本组成测试样本集，其中，M≥2,I≥500，N≥20，S≥100；2构建基于两级自步学习的无监督图匹配网络模型O：构建包括级联的初始图构造网络、关联图构造网络、自步学习子图更新网络、节点匹配网络和批量样本自步学习反馈网络，且批量样本自步学习反馈网络的输出端还与特征提取网络的输入端连接的无监督图匹配网络模型O；其中自步学习子图更新网络包括级联的自步学习子图构建模块和子图节点表示更新模块，用于通过置信度值较高的指示矩阵对融合关联子图的节点特征和分配关联子图的节点特征进行更新；批量样本自步学习反馈网络包括级联的损失存储模块和批量样本重排序模块，用于通过置信度对训练样本集进行更新；3对无监督图匹配网络模型进行迭代训练：通过训练样本集P*对无监督图匹配网络模型O进行迭代训练，得到训练好的无监督图匹配网络模型O*；4获取无监督图匹配结果：将测试样本集作为训练好的无监督图匹配网络模型O*的输入进行前向传播，并将节点匹配网络的输出作为测试样本集的匹配结果。
全文数据：
权利要求：
百度查询： 山西大学 基于两级自步学习的无监督图匹配方法
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