[发明专利]一种基于加权列抽样XGBoost的图像目标分类方法有效
| 申请号： | 201710580163.5 | 申请日： | 2017-07-17 |
| 公开（公告）号： | CN107392241B | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 高欣;范少华;李新鹏;张浩;戚岳;曹良晶;贾庆轩;彭岳星;刁新平 | 申请（专利权）人： | 北京邮电大学;国网冀北电力有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法，包括：利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征；连接多层学习到的特征以获得更多决定其图像类别的内容信息；利用基于加权列抽样的XGBoost方法对图像特征分类，根据属性重要度，在构建决策树之前对属性进行次采样，将抽取的具有更多信息的属性用于当前决策树的构建，重复迭代直到收敛，得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案，当数据的属性维度大且冗余度高时，该方法可以扩展到其他使用列抽样的分类方法，提高图像目标分类的平均准确率。 | ||
| 搜索关键词： | 一种 基于 加权 抽样 xgboost 图像 目标 分类 方法 | ||
【主权项】：
一种基于加权列抽样XGBoost的图像目标分类方法，其特征在于，所述方法步骤包括：(1)利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像的特征；(2)连接多层学习到的特征以获得更多决定其图像类别的内容信息；(3)利用基于加权列抽样的XGBoost方法对图像特征分类，根据属性重要度，在构建决策树之前对属性进行次采样，将抽取到的具有更多信息的属性用于当前决策树的构建，重复迭代直到收敛，得到性能最佳的图像分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学;国网冀北电力有限公司，未经北京邮电大学;国网冀北电力有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710580163.5/，转载请声明来源钻瓜专利网。
- 上一篇：图像检测方法和装置
- 下一篇：一种基于同态神经网络的跨领域图片分类方法
