[发明专利]一种基于二阶VLAD稀疏自适应深度网络的图像分类方法有效
| 申请号： | 201811038736.2 | 申请日： | 2018-09-06 |
| 公开（公告）号： | CN109255381B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 王倩倩;陈博恒;刘娇蛟;马碧云 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 何淑珍;江裕强 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于二阶VLAD稀疏自适应深度网络的图像分类方法，属于图像分类和深度学习技术领域。本发明首先从多个卷积层提取卷积特征，然后在每个卷积特征中获得相应的SASO‑VLAD编码，最后汇总所有的SASO‑VLAD编码，构建最终的多路径特征编码网络。该方法在现有端到端的VLAD编码模型基础上，使用稀疏自适应软分配编码的新编码方法作为权重系数，用一阶和二阶VLAD编码的级联作为最终的特征表示。对比NetVLAD模型，本发明的稀疏策略和二阶表示有效提高图像分类的有效性，多路径同时使用低、中、高等级特征来训练多个特征编码网络，比单级特征编码网络对图像特征的表示能力更强。 | ||
| 搜索关键词： | 一种 基于 vlad 稀疏 自适应 深度 网络 图像 分类 方法 | ||
【主权项】：
1.一种基于二阶VLAD稀疏自适应深度网络的图像分类方法，其特征在于，使用端到端训练的多路特征编码网络，首先从多个卷积层后面的激活函数提取非线性的卷积特征，然后在每个卷积特征中计算相应的稀疏自适应二阶‑局部特征聚合描述符SASO‑VLAD编码，最后汇总所有的SASO‑VLAD编码，构建最终的多路径特征编码网络M‑SASO‑VLADNet，通过全连接层和损失层输出分类损失；所述SASO‑VLAD编码使用稀疏自适应软分配编码SASAC来得到稀疏的权重系数，利用一阶和二阶VLAD编码共同表示端到端的稀疏自适应二阶VLAD模型SASO‑VLADNet。
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华南理工大学，未经华南理工大学许可，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/201811038736.2/，转载请声明来源钻瓜专利网。
