[发明专利]基于变分自编码机与对抗网络结合的零样本图像分类方法有效
| 申请号： | 201810574638.4 | 申请日： | 2018-06-06 |
| 公开（公告）号： | CN108875818B | 公开（公告）日： | 2020-08-18 |
| 发明（设计）人： | 侯兴松;高蕊 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/66;G06N3/06;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 高博 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于变分自编码机与对抗网络结合的零样本图像分类方法，在训练模型时输入已知类别样本，由训练集样本类别映射作为条件引导，通过重建损失，生成损失，判别损失，散度损失，分类损失五种损失函数对网络进行反向传播优化参数，由未知类别的类别映射引导生成对应的未知类别的伪样本，然后用伪样本训练分类器在未知类别样本上测试。通过类别映射引导生成质量高的利于图像分类的样本，弥补了零样本情景中缺失未知类别训练样本的问题，将零样本学习转化成了传统机器学习中的监督学习，提高传统零样本学习的分类正确率，并在广义零样本学习中分类正确率也有明显的提高，为零样本学习提供了一种高效生成样本从而提高分类正确率的思路。 | ||
| 搜索关键词： | 基于 编码 对抗 网络 结合 样本 图像 分类 方法 | ||
【主权项】：
1.基于变分自编码机与对抗网络结合的零样本图像分类方法，其特征在于，由训练集中的样本的属性标签作为条件引导，在训练模型时将已知类别的样本和样本对应的属性标签作为模型的输入，通过重建损失，生成损失，判别损失，散度损失和分类损失对网络进行反向传播优化参数，模型训练完成后，输入采样的随机高斯噪声和未知类别的属性，生成对应的未知类别的伪样本，然后用伪样本训练分类器在未知类别样本上测试，实现零样本图像分类。
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西安交通大学，未经西安交通大学许可，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/201810574638.4/，转载请声明来源钻瓜专利网。
