[发明专利]一种基于深度端对端示例差异化的零样本多标签分类方法有效
| 申请号： | 201811495479.5 | 申请日： | 2018-12-07 |
| 公开（公告）号： | CN109993197B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 冀中;李慧慧;庞彦伟 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 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： | 一种基于深度端对端示例差异化的零样本多标签分类方法，训练阶段包括：训练多示例特征提取网络；提取训练样本对应的标签特征；视觉特征到标签特征空间的跨模态映射网络训练，用于实现多模态融合，并挖掘标签与标签间、样本与标签间的关联关系；训练样本的标签和测试样本的标签各标签之间的约束模块；训练阶段的最终目标函数的优化。测试阶段直接利用训练阶段所获取的端对端网络实现零样本多标签分类包括：利用多示例特征提取网络提取测试样本多示例特征；提取测试样本对应的标签特征；测试样本多标签分类。本发明能对未标记图像实现多标签图像标注。 | ||
| 搜索关键词： | 一种 基于 深度 示例 异化 样本 标签 分类 方法 | ||
【主权项】：
1.一种基于深度端对端示例差异化的零样本多标签分类方法，其特征在于，包括训练阶段和测试阶段，其中，所述的训练阶段是获取一个端对端网络，所述的端对端网络是由多示例特征提取网络、跨模态映射网络和训练样本的标签和测试样本的标签各标签之间的约束模块构成；训练阶段具体包括：11)训练多示例特征提取网络；12)提取训练样本对应的标签特征；13)视觉特征到标签特征空间的跨模态映射网络训练，用于实现多模态融合，并挖掘标签与标签间、样本与标签间的关联关系；14)训练样本的标签和测试样本的标签各标签之间的约束模块；15)训练阶段的最终目标函数的优化；所述的测试阶段是直接利用训练阶段所获取的端对端网络实现零样本多标签分类；所述的测试阶段具体包括：21)利用多示例特征提取网络提取测试样本多示例特征；22)提取测试样本对应的标签特征；23)测试样本多标签分类。
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/201811495479.5/，转载请声明来源钻瓜专利网。
