[发明专利]梯度增强型Softmax分类器系统、训练信号产生方法及其应用有效
| 申请号： | 201910821917.0 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110533107B | 公开（公告）日： | 2020-11-13 |
| 发明（设计）人： | 孙琳钧;李卫军;宁欣;张丽萍;董肖莉 | 申请（专利权）人： | 中国科学院半导体研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 汤宝平 |
| 地址： | 100083 *** | 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： | 一种梯度增强型Softmax分类器系统、训练信号产生方法及其应用，该分类器系统包括：得分计算模块，用于：将特征提取器提取的图像样本的特征向量与各个类别代理向量进行点积运算且进行归一化操作，并乘以一常数进行放缩之后得到图像样本对应各个类别的得分；以及损失计算模块，用于：通过所述图像样本对应各个类别的得分结合图像样本的类别标签获取类内得分以及类间得分的软最大值；将所述类内得分和所述类间得分的软最大值加权组合得到损失计算函数；以及将损失计算函数作为目标函数，进行最优化求解。在样本正确分类后也可以产生较强的监督信号，使得同类样本在特征空间中继续往类别中心聚集，其学习到的特征分布类别更加紧致，可区分性更强。 | ||
| 搜索关键词： | 梯度 增强 softmax 分类 系统 训练 信号 产生 方法 及其 应用 | ||
【主权项】：
1.一种梯度增强型Softmax分类器，其特征在于，用作基于深度卷积神经网络的图像分类模型中训练特征提取器的监督器，包括：/n得分计算模块，用于：将特征提取器提取的图像样本的特征向量与各个类别代理向量进行点积运算且进行归一化操作，并乘以一常数进行放缩之后得到图像样本对应各个类别的得分；以及/n损失计算模块，用于：通过得分计算模块中所述图像样本对应各个类别的得分结合图像样本的类别标签获取类内得分以及类间得分的软最大值(softmax)；将所述类内得分和所述类间得分的软最大值加权组合得到损失计算函数；以及将损失计算函数作为目标函数，进行最优化求解，该目标函数的最优解满足：最大化类内得分且最小化类间得分。/n
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中国科学院半导体研究所，未经中国科学院半导体研究所许可，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/201910821917.0/，转载请声明来源钻瓜专利网。
