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！
摘要：本发明公开了一种基于采样点的图像伪解析类别增量学习方法及装置，方法为：首先构建图像分类网络，然后用基础数据集对背景网络进行预训练，预训练完成后将背景网络冻结并得到一维化特征；接着接入解析分类器并构建虚拟节点；随后对一维化特征进行随机维度拓展后输入解析分类器进行重对齐，结束后计算缩放系数并得到初始采样点集；最后进入增量学习阶段，每次增量学习都需要将初始采样点集和当前阶段增量数据集混合，用混合数据集训练解析分类器并得到当前阶段的采样点集作为下一阶段初始采样点集，获取下一阶段增量数据集重复进行增量学习；本方法能减轻灾难性遗忘问题，且隐私性强、精度高，能够实现图像的解析类别增量学习。
主权项：1.基于采样点的图像伪解析类别增量学习方法，其特征在于，包括下述步骤：S1、构建图像分类网络，包含背景网络及解析分类器；所述背景网络通过卷积神经网络提取图像特征，所述解析分类器使用全连接网络对图像特征进行分类，以独热编码形式输出分类结果；所述解析分类器基于线性模型或非线性模型进行构建；S2、使用反向梯度下降算法在基础数据集上对后接有softmax分类器的背景网络进行预训练，结束后冻结背景网络的参数并得到基础数据集的一维化特征；S3、去除softmax分类器，在冻结参数的背景网络后接入解析分类器，并在解析分类器中增加一个虚拟节点参与后续操作；对应的分类结果增加一个维度，该维度为对应虚拟节点的始终为0的虚拟标签；S4、对基础数据集的一维化特征进行随机维度拓展，输入解析分类器使用反向梯度下降算法进行重对齐，结束后计算缩放系数并得到初始采样点集；所述初始采样点集中采样点的数量由解析分类器确定并保持恒定；S5、获取当前阶段的增量数据集，输入冻结参数的背景网络中获取新增特征集，与初始采样点集进行混合得到混合数据集；S6、采用MSE损失函数通过反向梯度下降算法在混合数据集上对上一阶段的解析分类器进行增量学习，并更新采样点作为下一阶段的初始采样点集；S7、获取下一阶段的增量数据集，重复步骤S5-S6，直至达到设定阶段或无下一阶段的增量数据集，得到学习好的图像分类器。
全文数据：
权利要求：
百度查询： 华南理工大学 基于采样点的图像伪解析类别增量学习方法及装置
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。
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