龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京邮电大学
申请日：2021-08-03
公开（公告）日：2024-06-28
公开（公告）号：CN113642621B
主分类号：G06V10/764
分类号：G06V10/764;G06V10/44;G06V10/82;G06N3/045;G06N3/0464;G06N3/0475;G06N3/094
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2021.11.30#实质审查的生效;2021.11.12#公开
摘要：本发明公开了一种基于生成对抗网络的零样本图像分类方法，属于深度学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心神经网络，并将训练集输入核心神经网络得到图片图像特征和视觉图像特征，核心神经网络包括卷积神经网络、生成对抗网络、重构网络和注意力网络；计算核心神经网络的损失函数，并对核心神经网络的参数进行调节；图片图像特征和视觉图像特征共同训练得到分类器；将测试集输入分类器进行分类。相较于现有技术，本发明通过在生成对抗网络中加入重构网络，使生成对抗网络生成的视觉图像特征更加多样化；在生成对抗网络中引入注意力网络，以减少视觉图像特征中的干扰信息，提高了分类准确度。
主权项：1.一种基于生成对抗网络的零样本图像分类方法，其特征在于，包括以下步骤：步骤1、获取图像数据集；步骤2、对所述图像数据集进行预处理得到训练集和测试集；步骤3、构建核心神经网络，并将所述训练集输入所述核心神经网络得到图片图像特征和视觉图像特征，所述核心神经网络包括卷积神经网络、生成对抗网络、重构网络和注意力网络；步骤4、计算核心神经网络的损失函数，并对核心神经网络的参数进行调节；步骤5、将图片图像特征和视觉图像特征输入分类器网络，并进行共同训练得到分类器；步骤6、将测试集输入所述分类器，以实现对测试集进行分类；其中，所述训练集包括图片信息和语义信息，所述图片信息输入所述卷积神经网络后能够提取得到所述图片图像特征，所述语义信息输入所述生成对抗网络后能够得到所述视觉图像特征；所述视觉图像特征中包括虚拟语义信息，所述重构网络将所述虚拟语义信息与所述语义信息进行对比并计算差异，以得到多样化的视觉图像特征；所述视觉图像特征与所述图片图像特征输入所述注意力网络后用于定位关键信息，使所述视觉图像特征中的干扰信息少且带有注意力。
全文数据：
权利要求：
百度查询： 南京邮电大学 基于生成对抗网络的零样本图像分类方法
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。
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