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：西安理工大学
摘要：本发明公开的基于判别特征学习和熵的深度半监督图像分类方法：将训练样本集划分为有标注训练样本集和无标注训练样本集；搭建深度卷积神经网络模型；构造判别特征学习目标函数；构造熵目标函数；构造总的目标函数；设定当前轮次训练数的值为0；训练构建的网络模型直到模型收敛；基于当前网络模型，计算每一个无标注样本属于不同类的概率；更新有标注训练样本集和无标注训练样本集；当前轮次训练数的值加1；重复执行步骤7‑10，直到当前轮次训练数达到预先设定的最大轮次训练数；将待分类的图像输入训练好的网络模型，在分类层得到该图像的预测类别。该方法能够显著提高图像分类精度。
主权项：1.基于判别特征学习和熵的深度半监督图像分类方法，其特征在于，包括以下步骤：1准备图像训练样本集，将训练样本集划分为有标注训练样本集和无标注训练样本集；2搭建适用于步骤1中图像训练样本集分类任务的深度卷积神经网络模型；3构造判别特征学习目标函数；4构造熵目标函数；5结合判别特征学习目标函数和熵目标函数构造总的目标函数；6设定当前轮次训练数的值为0；7根据总的目标函数、当前的有标注训练样本集和无标注训练样本集，使用基于mini-batch的随机梯度下降法训练步骤2构建的深度卷积神经网络模型直到深度卷积神经网络模型收敛；8基于收敛的深度卷积神经网络模型，分别计算当前无标注训练样本集中每一个无标注样本属于不同类的概率；9设定一个阈值，如果无标注样本属于不同类的概率的最大值大于阈值，给对应的无标注样本赋予概率最大值对应的类标签，将该无标注样本加入有标注训练样本集，并将该无标注样本从无标注训练样本集中去除；10当前轮次训练数的值加1；11重复执行步骤7、8、9和10，直到当前轮次训练数达到预先设定的最大轮次训练数，得到训练好的深度卷积神经网络模型；12将待分类的图像输入训练好的深度卷积神经网络模型，在分类层得到该图像的预测类别。
全文数据：
权利要求：
百度查询： 西安理工大学 基于判别特征学习和熵的深度半监督图像分类方法
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