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：哈尔滨理工大学
摘要：一种基于深度在线锚点子空间学习的非完备多视角大规模动物图像聚类方法，属于多媒体信息处理中的动物聚类处理领域。该方法首先对动物图像数据集提取样本特征进行归一化处理来构建多视角公共子空间学习网络，从而为每个视角构建k近邻图和高维流形分布矩阵，并设置可学习的锚点。然后将样本特征和k近邻图输入到子空间学习网络中，重构原始特征并计算损失函数。同时，施加流形正则化约束来约束网络学习表示，得到流形正则化的公共子空间自表示损失函数。通过小批量随机梯度下降算法训练网络，直至收敛。最后利用学习到的公共子空间进行谱聚类，得到聚类结果。与其他方法相比，本发明的精确度更高，性能更加稳健。
主权项：1.一种基于深度在线锚点子空间学习的非完备多视角大规模动物图像聚类方法，其特征在于，所述方法包括步骤：从一个非完备多视角大规模动物图像数据集的每个视角提取存在样本特征，并将所有特征向量的每个分量归一化到[0,1]区间；构建一个由多个视角专属图卷积编码层、一个特征融合层、一个公共子空间输出层组成的多视角公共子空间学习网络，并随机初始化网络权重；其中，视角专属图卷积编码层由两个图卷积模块构成，特征融合层将所有视角专属低维表示进行加权融合，公共子空间输出层由全连接层和用于归一化的激活函数层构成；对每一视角，分别从存在样本特征构建k近邻图矩阵和高维流形分布矩阵；对每一视角，分别通过均匀随机采样法，选取na个样本点作为可学锚点，其初始值为从该视角均匀随机采样得到的na个样本；将所有视角的存在样本特征和相应的k近邻图矩阵输入所述子空间学习网络，以网络输出的公共子空间矩阵逐一乘以各视角的可学锚点，以重构各视角原始特征，对应的损失函数为公共子空间自表示损失函数；同时，对网络所学表示施加流形正则化约束，得到流形正则化的公共子空间自表示总体损失函数；使用小批量随机梯度下降算法最小化所述流形正则化的公共子空间自表示总体损失函数，将所述公共子空间学习网络训练至收敛，然后对收敛后网络所学公共子空间进行谱聚类，获得最终聚类结果；根据所得聚类结果，计算所述非完备多视角大规模动物图像数据集上的聚类准确率。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于深度在线锚点子空间学习的非完备多视角大规模动物图像聚类方法
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