[发明专利]联合低秩表示和稀疏回归的多视角学习方法有效
| 申请号： | 201710648597.4 | 申请日： | 2017-08-01 |
| 公开（公告）号： | CN107545276B | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 刘安安;史英迪;苏育挺 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种联合低秩表示和稀疏回归的多视角学习方法，所述方法包括以下步骤：对带有图像记忆度分数标签的SUN数据集分别进行低级特征和高级属性特征的提取；将低秩表示、结合稀疏回归模型和多视角一致性损失三部分放在同一个框架下构成一个整体，构建联合低秩和稀疏回归的多视角模型；利用多视觉自适应回归算法解决自动预测图像的可记忆性的问题，在最优参数下得到图像底层特征、图像属性特征和图像记忆度的关系；组合图像的低级特征和高级属性特征，利用在最优参数下得到的关系结果，预测数据库测试集图像记忆度，并用相关评价标准来验证预测结果。本发明联合低秩表示和稀疏回归的多视角学习框架，准确预测图像区域的可记忆性。 | ||
| 搜索关键词： | 联合 表示 稀疏 回归 视角 学习方法 | ||
【主权项】：
一种联合低秩表示和稀疏回归的多视角学习方法，其特征在于，所述方法包括以下步骤：对带有图像记忆度分数标签的SUN数据集分别进行低级特征和高级属性特征的提取；将低秩表示、结合稀疏回归模型和多视角一致性损失三部分放在同一个框架下构成一个整体，构建联合低秩和稀疏回归的多视角模型；利用多视觉自适应回归算法解决自动预测图像的可记忆性的问题，在最优参数下得到图像底层特征、图像属性特征和图像记忆度的关系；组合图像的低级特征和高级属性特征，利用在最优参数下得到的关系结果，预测数据库测试集图像记忆度，并用相关评价标准来验证预测结果。
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天津大学，未经天津大学许可，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/201710648597.4/，转载请声明来源钻瓜专利网。
- 上一篇：带有真空机械手的钢板抛光机
- 下一篇：视频证据服务系统
