申请/专利权人：太原科技大学

申请日：2024-03-27

公开（公告）日：2024-06-28

公开（公告）号：CN118262157A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：一种用于古建筑图像分类的渐进式堆栈伪逆学习方法，属于图像处理技术领域，解决了古建筑图像分类过程中泛化性能的下降以及分类器冗余的技术问题，解决方案为：一方面，首先对输入的古建筑图像随机生成具有特定分布的输入权重矩阵，经过伪逆学习算法获得不同的随机投影块，形成基学习器；然后将不同随机投影块的训练结果作为新的输入数据集，通过引入注意力机制，为不同的随机投影块分配不用的权重；最后使用堆栈伪逆学习算法进行单隐层神经网络训练，获得具有较高泛化性能的古建筑分类模型。另一方面，通过迭代选择有用样本优化分类结果，有效利用训练样本信息，逐步提高古建筑分类模型的泛化性能。

主权项：1.用于古建筑图像分类的渐进式堆栈伪逆学习方法，其特征在于，包括以下步骤：S1、获取古建筑分类模型：S1-1、获取基学习器：S1-1-1、为约束初始化的输入权重矩阵，根据实际需要生成若干个不同的、具有特定分布的输入权重矩阵Vi，并且每一输入权重矩阵Vi均可以是任意分布，i为大于3的整数，此时基学习器的隐含层输出Hi为：Hi＝σX×Vi；2式2中，i的取值为1、2或3，X为输入矩阵，σ为激活函数。S1-1-2、通过伪逆学习算法确定输出权重矩阵Wi为： 式3中，“+”表示伪逆运算，T是实际标签矩阵，arcσ表示激活函数；S1-1-3、基学习器的网络输出Yi为：Yi＝Hi×Wi；4S1-2、获取元学习器：S1-2-1、确定真实标签矩阵T和预测网络输出Yi之间的相似度Si为： S1-2-2、依次通过下式6Sigmoid非线性映射和下式7Softmax归一化，重新确定输入权重矩阵ai为： S1-2-3、单隐层堆栈伪逆学习：根据步骤S1-2-2重新确定的输入权重矩阵ai和基学习器的网络输出Yi确定堆栈后的隐层输出Hs为： 式8中，σ为激活函数；S1-2-4、由伪逆学习算法确定堆栈后的输出权重矩阵Ws为： 式9中，“+”表示伪逆运算，T是实际标签矩阵，arcσ表示失活函数；S1-2-5、确定元学习器的输出Ys为：Ys＝Hs×Ws10S2、根据步骤S1确定更高泛化性能的古建筑分类模型：S2-1、将训练样本分为训练集Xtrain和候选集Xcandidate；S2-2、根据训练集Xtrain训练随机投影堆栈伪逆学习得到的初始化权重矩阵，训练候选集Xcandidate得到候选集Xcandidate的元学习器输出Ys_candidate；S2-3、对候选集Xcandidate的元学习器输出Ys_candidate进行样本选择，选择Xf样本重新加入Xtrain中进行迭代优化，具体包括以下步骤：S2-3-1、预处理：设元学习器输出Ys_candidateij为具有C类和G个候选样本，保留Ys_candidate中每一列中最大值对应的索引值m；通过下式11将元学习器输出Ys_candidateij随机化到大于0的值： 式11中，C为类别数，randC,1表示C行1列的随机向量，i∈1、2、3、...、C，j∈1、2、3、...、G；S2-3-2、通过式12对每个候选集的第m个类进行重新分配，得到类边缘概率分布矩阵 式12中，C表示类别数，i∈1、2、3、...、C；G为候选样本数，j∈1、2、3、...、G；m为元学习器输出Ys_candidate的每一列中最大值对应的索引值；表示Ys_candidate的第m行和第j列；Σ表示求和运算；表示第j列与除m以外的其余C-1行之和；S2-3-3、如果类边缘概率分布矩阵的类别为真，则边际概率趋近于1，即边际概率矩阵满足式13和式14定义的性质： S2-3-4、模糊度：隶属度矩阵Ys_candidate的C类的G个候选集的模糊度EYs_candidate为： 并且式15满足式13和式14中定义的性质；S2-3-5、选择样本：首先，通过关联模糊度EYs_candidate、隶属度矩阵Ys_candidate和实际类标Tcandidate，得到A＝[EYs_candidate,Ys_candidate,Tcandidate]；然后，根据模糊值对A进行降序排序，筛选出错误分类样本，即Ys_candidate≠Tcandidate；最后，选取模糊度Xf较高的前f个错误分类样本加入到Xtrain中，此时训练集和候选集分别表示为：Xtrain＝[Xtrain,Xf],Xcandidate＝Xcandidate-Xf；16S2-4、将步骤S2-3-5确定的新的训练集Xtrain和候选集Xcandidate重新训练，作为训练随机投影堆栈伪逆学习算法的输入，重复训练n次，n≥20直到迭代结束，得到古建筑图像分类结果。

全文数据：

权利要求：

百度查询： 太原科技大学 用于古建筑图像分类的渐进式堆栈伪逆学习方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD