[发明专利]基于子空间分解进行深度特征估计的图像分类识别方法有效
| 申请号： | 201910074903.7 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109902720B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 岑峰;赵啸宇 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 蔡彭君 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于子空间分解进行深度特征估计的图像分类识别方法，包括：步骤S1：获取训练集的无遮挡图像和额外图像对；步骤S2：对于输入的每张图像提取深度特征向量；步骤S3：计算额外图像对中遮挡图像和无遮挡图像的深度特征向量之差得到误差向量；步骤S4：将计算的所有无遮挡图像的深度特征向量组成第一子空间，误差向量组成第二子空间，并基于第一子空间和第二子空间构成级联字典；步骤S5：基于级联字典计算系数矩阵；步骤S6：基于第一子空间的所有列向量训练分类器；步骤S7：基于级联字典、系数矩阵和分类器对待识别图像进行分类识别。与现有技术相比，本发明具有适用范围广等优点。 | ||
| 搜索关键词： | 基于 空间 分解 进行 深度 特征 估计 图像 分类 识别 方法 | ||
【主权项】：
1.一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，包括：步骤S1：获取训练集的无遮挡图像和额外图像对；步骤S2：对于输入的每张图像提取深度特征向量；步骤S3：计算额外图像对中遮挡图像和无遮挡图像的深度特征向量之差得到误差向量；步骤S4：将计算的所有无遮挡图像的深度特征向量组成第一子空间，误差向量组成第二子空间，并基于第一子空间和第二子空间构成级联字典；步骤S5：基于级联字典计算系数矩阵；步骤S6：基于第一子空间的所有列向量训练分类器；步骤S7：基于级联字典、系数矩阵和分类器对待识别图像进行分类识别。
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同济大学，未经同济大学许可，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/201910074903.7/，转载请声明来源钻瓜专利网。
