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：大连交通大学
摘要：本发明属于计算机视觉领域，公开了基于度量学习的小样本细粒度图像识别方法。具体步骤包括首先获取训练数据集，将训练集进行划分，并对训练图像进行预处理。在Conv‑64F提取特征的基础上，构建交互式注意力特征融合模块：利用特征金字塔，注意力模型以及跳跃连接对不同尺度的特征进行融合。然后使用基于局部和全局层次的度量方法，分别计算查询集样本和支持集样本之间的相似度得分并进行融合，输出最终的相似度得分进行图像识别，最后通过测试集进行测试，输出测试集的准确率；本发明能够提取到细粒度图像中细微的局部特征，提高小样本细粒度图像识别的性能。
主权项：1.基于度量学习的小样本细粒度图像识别方法，其特征在于，包括以下步骤：步骤1：构建小样本细粒度图像识别任务：细粒度数据集划分为训练集Dtrain、验证集Dval和测试集Dtest，其中这三个任务集是并不相交的，既训练过程中采用NwayKshot的方式进行训练，从训练集中随机选择N个类别，每个类别随机抽取K个样本作为支持集S，共N×K个样本；然后从剩余的类别中分别抽取q个样本作为查询集Q，一共q×N个样本，数据集中的图像随机裁剪统一尺寸为84×84；步骤2：使用Conv-64F进行特征提取：该网络包括四个卷积块，前两个卷积块包含一个卷积层大小为3×3的卷积核，通道数为64、BatchNorm层、ReLU层以及最大池化层，后两个卷积块中包含一个卷积层大小为3×3的卷积核，通道数为64、BatchNorm层、ReLU层；步骤3：基于交互式注意力特征融合；步骤4：双相似度量，使用两种度量方法，基于全局和基于局部的相似性度量，分别计算查询集和支持集之间的相似性度量；步骤5：通过融合模块将两种相似性进行融合，获得最终的相似度得分；步骤6：训练模型：设置学习率，动量等参数，使用Adam优化算法，对网络参数进行更新，并保存最优的模型参数，设置Cross-Entropy作为损失函数；步骤7：模型测试：加载保存的模型参数，通过测试集，获得最后的分类准确率。
全文数据：
权利要求：
百度查询： 大连交通大学 基于度量学习的小样本细粒度图像识别方法
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