[发明专利]一种基于非线性语义嵌入的零样本分类方法有效
| 申请号： | 201710722333.9 | 申请日： | 2017-08-21 |
| 公开（公告）号： | CN107516109B | 公开（公告）日： | 2021-01-19 |
| 发明（设计）人： | 于云龙;冀中;庞彦伟 | 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： | 杜文茹 |
| 地址： | 300192*** | 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： | 一种基于非线性语义嵌入的零样本分类方法，包括：建立适用于零样本学习的非线性语义嵌入模型；利用梯度下降法学习到非线性语义嵌入模型中模型参数V,b；利用学习到的模型参数V,b实现零样本分类。本发明的一种基于非线性语义嵌入的零样本分类方法，能够更好地挖掘零样本学习中样本的视觉特征和类别的语义信息之间的语义关联。 | ||
| 搜索关键词： | 一种 基于 非线性 语义 嵌入 样本 分类 方法 | ||
【主权项】：
一种基于非线性语义嵌入的零样本分类方法，其特征在于，包括如下步骤：1)建立适用于零样本学习的非线性语义嵌入模型：LS=-1MΣi=1MlogeayiTVf(xi)+byiΣj=1CeajTVf(xi)+bj+λ||V||F2,s.t.||f(xi)-VTayi||2=α,∀i=1,2,...,M.---(1)]]>其中，f(xi)表示样本xi的视觉特征，yi表示样本对应的类别标签，表示类别yi的语义特征，M表示训练样本的个数，V,b是需要训练的模型参数，表示正则项，α表示超球体的半径，λ表示权重系数，||·||F表示Frobenius范数；2)利用梯度下降法学习到非线性语义嵌入模型中模型参数V,b；3)利用学习到的模型参数V,b实现零样本分类。
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/201710722333.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种QSFP28IR光通信模块壳体
- 下一篇：一种凝胶密封接头盒
