首页> 中国专利> 一种有效的基于潜在视觉属性挖掘的零样本学习方法

一种有效的基于潜在视觉属性挖掘的零样本学习方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于潜在视觉属性挖掘的零样本学习方法。该发明主要涉及以下步骤：首先在原特征域计算人工定义属性表示的特征映射矩阵、并通过稀疏字典模型的优化，挖掘潜在视觉属性集合。进一步构建了一种成对视觉字典模型，将原特征域获取的映射关系作为约束信息，引导目标特征域的学习。最后，对输入图像提取深度残差网络(ResNet)视觉特征，获取特征判别性语义表示，实现图像标签类别的预测。本发明所描述的图像识别方法具有无人工参与、识别率高、鲁棒性强等优点，针对少量样本及零样本情况下语义对象的识别这一特定领域，具备一定使用价值，可以进行实际应用。

著录项

公开/公告号CN112418257A

专利类型发明专利
公开/公告日2021-02-26

原文格式PDF
申请/专利权人四川大学;
展开▼

申请/专利号CN201910778304.3
发明设计人谢昱锐;何小海;张津;罗晓东;卿粼波;吴小强;
展开▼

申请日2019-08-22
分类号G06K9/62(20060101);
代理机构
代理人
地址 610065 四川省成都市武侯区一环路南一段24号
入库时间 2023-06-19 10:00:31

法律信息

法律状态公告日

法律状态信息

法律状态
2023-04-18

授权

发明专利权授予

相似文献

专利
中文文献
外文文献

1. 一种有效的基于潜在视觉属性挖掘的零样本学习方法 [P] . 中国专利： CN112418257A . 2021-02-26
2. 一种基于属性继承的图卷积网络零样本学习方法 [P] . 中国专利： CN112364895A . 2021-02-12
3. application of machine learning methods to association rules in the mining of datasets containing molecular genetic markers of plants and animals, followed by classification or prediction using attributes created from these association rules [P] . BRPI1015129A2 . 2016-07-12

机译：将机器学习方法应用于关联规则以挖掘包含动植物分子遗传标记的数据集，然后使用根据这些关联规则创建的属性进行分类或预测
4. SAMPLE PROPERTY MEASUREMENT SYSTEMS, METHODS FOR DETERMINING THE FLUID CONSTITUTE LEVEL AND MINIMIZING THE IMPACT OF POTENTIAL ERRORS [P] . BRPI0809938A2 . 2014-10-07

机译：样本属性测量系统，确定流体成分水平并最小化潜在误差影响的方法
5. As it consists of the analysis synthetic filter system null entry sample which possesses the efficient odd number stack single sideband filter bank which [P] . 日本专利： JP4033906B2 . 2008-01-16

机译：由于它由分析合成滤波器系统零输入样本组成，该样本具有有效的奇数栈单边带滤波器组，