申请/专利权人:重庆理工大学;重庆师范大学;重庆智简科技有限公司
申请日:2023-11-02
公开(公告)日:2024-02-23
公开(公告)号:CN117593567A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/52;G06V10/10;G06V10/74
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.12#实质审查的生效;2024.02.23#公开
摘要:本发明公开了基于关系网络度量的双分支多尺度分支辅导学习方法,涉及小样本图像识别分类领域。本发明通过在提取多层级、多尺度特征的基础上,采用关系网络进行样本对的相似性度量并利用双分支辅导学习提升模型的识别能力,其中优先在分支一中通过多尺度特征生成器生成深层的多尺度特征,在分支二中提取出不同层级的特征,然后,双分支都采用一个可学习的关系网络对每个尺度或每个层级下的特征进行相似性度量的同时,为了最终分类的主导作用,设计了辅导学习模块,用分支一辅导分支二进行学习,发挥深层特征对最终集成所有尺度和层级下的关系得分获得分类结果,整体能够提升在小样本情况下的图像识别分类精度。
主权项:1.基于关系网络度量的双分支多尺度分支辅导学习方法,包括,其特征在于:至少包括以下步骤:步骤1,构建多层级、多尺度的特征提取网络;步骤2,构建采用关系网络度量的相似性度量网络,以及双分支辅导学习模块;步骤3,将图像输入双分支多尺度辅导学习度量网络进行训练,保存最优模型;步骤4,使用最优模型进行分类预测,得到分类准确率。
全文数据:
权利要求:
百度查询: 重庆理工大学;重庆师范大学;重庆智简科技有限公司 基于关系网络度量的双分支多尺度分支辅导学习方法
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。