申请/专利权人:北京航空航天大学
申请日:2024-03-04
公开(公告)日:2024-06-04
公开(公告)号:CN118135301A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/762;G06V20/13;G06N3/0464;G06N3/084;G06F17/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.21#实质审查的生效;2024.06.04#公开
摘要:本发明公开了一种基于优化特征空间分布的目标增量识别方法及系统,包括S1、建立深度卷积神经网络;S2、利用基础数据和增量数据对深度卷积神经网络进行基础学习和增量学习;S3、将待测图像输入完成训练的深度卷积神经网络,得到图像的分类预测结果。本发明基于深度卷积神经网络,设计了一种基于优化特征空间分布的目标增量学习方法,该方法在维持旧类别特征的可分性的前提下,增强新旧类别特征之间的可分性,最终使分类模型能够正确区分的目标类别不断增加。
主权项:1.一种基于优化特征空间分布的目标增量识别方法,其特征在于,包括:S1、建立深度卷积神经网络;包括:建立输入层、特征提取层和输出层依次连接的深度卷积神经网络;S2、利用基础数据和增量数据对深度卷积神经网络进行基础训练和增量学习训练;S3、将待测图像输入完成训练的深度卷积神经网络,得到图像的分类预测结果。
全文数据:
权利要求:
百度查询: 北京航空航天大学 一种基于优化特征空间分布的目标增量识别方法及系统
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。