[发明专利]一种基于视觉特征合成的对象识别方法

权利要求书

1.一种基于视觉特征合成的对象识别方法，其特征在于，主要包括看不见的视觉数据合成(一)；扩散正则化(二)；交替优化(三)；零点识别(四)。

2.基于权利要求书1所述的看不见的视觉数据合成(一)，其特征在于，通过给定的语义属性来合成看不见的类的视觉特征；在训练集f’上学习一个嵌入函数：之后，可以通过以下方式推断

3.基于权利要求书2所述的映射函数，其特征在于，为了合成视觉特征，最直观的框架是学习从语义空间到视觉特征空间的映射函数：

其中，P是投影矩阵，是损失函数，Ω是其超参数λ的正则化项；

在测试之前，可以通过给定的未知实例的属性从属性空间合成看不见的视觉特征。

4.基于权利要求书2所述的协调语义空间与视觉特征空间，其特征在于，引入一个辅助隐藏空间来协调语义空间与视觉特征空间，其中可以让保留视觉和语义空间的内在数据结构信息：

其中，潜在嵌入空间从分解，从分解；和是两个投影矩阵；Ω₁是对偶图。

5.基于权利要求书1所述的扩散正则化(二)，其特征在于，考虑正交旋转，即QQ^T＝I，有(I是单位矩阵)；

从等式(3)中，最佳合成数据为其中首先证明旋转后总体差异不会改变；在旋转之前，是集中的，即的原始总体方差Γ为旋转Q后，有每个维度的新方差为σ′_d，每个维度的方差之和为Γ′；

总体方差Γ倾向于扩展到所有的学习维度，以便恢复的真实数据分布；

根据等式(6)，有在学习框架中最小化Π，找到正交旋转：

Π=1DΣd=1D(πd-π‾)2=1DΣd=1Dπd2+π‾2-2DΣd=1Dπdπ‾=∈D-1D2(Σd=1Dπd)2---(5)]]>

上式表明，最小化Π相当于最大化扩散标准差的总和；

扩散标准偏差和正交旋转之和的关系为：

其中，||·||_2,1是矩阵的范数；根据等式(5)和(6)，可以最大化从而使Π最大化；可以将等式(3)和(5)组合，扩散正则化，形成整体损失函数；

上式将重建误差从属性最小化到视觉特征，同时保留数据结构并使信息扩展到所有维度。