龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：之江实验室
摘要：天文图像形态分类标准数据集和基线模型构建方法与系统，其方法包括：收集与形态分类任务相关的天文图像数据，设定形态分类问题；针对收集的图像数据和设立的形态分类问题进行粗标注，设计正负样本阈值机制筛选高质量的标注数据并划分训练集和验证集；选择待训练的深度模型，修改模型头部为多个并行的全连接，实现全连接网络与形态分类问题相互对应，随机初始化网络参数；计算每个全连接神经网络的预测值与真值之间的交叉熵之和作为训练损失，并根据梯度下降算法更新网络参数；最后将训练好的模型进行部署，完成形态分类任务。本发明建立了形态分类问题的标准数据集和评价指标，能够同时用于所有的形态分类问题。
主权项：1.天文图像形态分类标准数据集和基线模型构建方法，其特征在于，包括以下步骤：S1，收集与形态学分类相关的巡天数据；S2，根据天文形态分类的常用问题，设立多个形态分类问题及对应的回答；S3，遍历步骤S1收集的每一张图像，对所有的问题，选择投票中符合每个问题的回复，计算每个问题下的各个回复的比例，作为对每个回复的得分；S4，提出得分阈值机制来筛选出高质量的标注数据；S5，构建的机器学习模型对输入的天文图像，针对问题进行回复，机器学习模型回答正确则准确率+1，回答错误准确率+0，以所有问题的准确率均值作为机器学习模型的准确率指标；S6，选择待训练的神经网络模型，修改神经网络模型的任务头为问题个数相同数量的并行的全连接网络，每一个全连接网络的输出维度与对应的问题的回复种类数量相匹配，所有的全连接网络共享输入特征，随机初始化模型参数；S7，以多分类交叉熵损失作为神经网络模型的训练损失，对全部并行的全连接网络分别计算交叉熵损失，将所有损失之和作为模型训练损失，通过梯度下降方法更新网络参数；当训练损失不再减少时，停止训练；S8，将训练后的神经网络模型部署到终端设备上，终端设备接收新的天文数据，并输入到训练好的模型，得到对各个问题的预测概率向量和对应的回复。
全文数据：
权利要求：
百度查询： 之江实验室 天文图像形态分类标准数据集和基线模型构建方法与系统
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。
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