首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于补丁匹配度量的语义交互元学习网络及学习方法 

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:西北工业大学

摘要:本发明公开了一种基于补丁匹配度量的语义交互元学习网络及学习方法,学习网络包括:特征提取器接收支持集图像和查询图像,输出补丁嵌入;任务自适应的补丁嵌入更新模块接收补丁嵌入,输出支持集图像的任务自适应的补丁嵌入;通道语义交互模块,接收支持集图像的任务自适应的补丁嵌入,输出支持集图像的语义补丁嵌入;匹配度量模块,接收支持集图像的语义补丁嵌入和查询图像的补丁嵌入,计算查询图像与每个类别的支持集图像的补丁级相似度;分类器,计算查询图像的分类概率和分类交叉熵损失。其解决了现有元学习应用于小样本图像分类场景下出现的监督崩溃问题以及语义知识未得到有效利用的问题,缓解了小样本图像分类准确率低的问题。

主权项:1.基于补丁匹配度量的语义交互元学习网络,其特征在于,包括:特征提取器1,接收支持集图像和查询图像,输出支持集图像的补丁嵌入和查询图像的补丁嵌入;任务自适应的补丁嵌入更新模块2,接收支持集图像的补丁嵌入,更新节点特征后输出支持集图像的任务自适应的补丁嵌入;通道语义交互模块3,接收支持集图像的任务自适应的补丁嵌入,输出支持集图像的语义补丁嵌入;匹配度量模块4,接收支持集图像的语义补丁嵌入和查询图像的补丁嵌入,计算查询图像与每个类别的支持集图像的补丁级相似度;分类器5,接收所述补丁级相似度,计算查询图像的分类概率和分类交叉熵损失。

全文数据:

权利要求:

百度查询: 西北工业大学 基于补丁匹配度量的语义交互元学习网络及学习方法

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。