[发明专利]基于深度学习及多聚类中心损失函数的摊贩物品分类方法在审
| 申请号： | 201811551883.X | 申请日： | 2018-12-19 |
| 公开（公告）号： | CN110309696A | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 张磊;王亚涛;郑全新;黄刚;赵英;江龙 | 申请（专利权）人： | 北京同方软件有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100083 北京市海*** | 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： | 基于深度学习及多聚类中心损失函数的摊贩物品分类方法，涉及人工智能以及计算机视觉技术领域。本发明方法步骤为：1）网络结构设计：整理摊贩物品样本，并对其进行类别标定。2）目标损失函数。3）模型预测：利用训练好的模型进行预测。同现有技术相比，本发明一方面进一步提高深度学习模型在复杂的摊贩物品分类中的性能，以及在训练样本不是很充足的情况下，避免模型过拟合；另一方面，充分利用类内、类间离散度信息，使模型有更好的泛化能力，进一步提升深度学习模型在摊贩物品分类中的性能。 | ||
| 搜索关键词： | 物品分类 损失函数 聚类中心 学习 计算机视觉技术 网络结构设计 人工智能 模型预测 训练样本 离散度 标定 拟合 样本 预测 | ||
【主权项】：
1.基于深度学习及多聚类中心损失函数的摊贩物品分类方法，其方法步骤为：1）网络结构设计： 整理摊贩物品样本，并对其进行类别标定；2）目标损失函数：a）CNN模型参数初始化以及聚类中心初始化；b）将数据分批次输入CNN模型进行前向计算；c）计算模型基于多聚类中心的类内损失和随机化计算聚类中心类间损失，并结合softmax loss，作为模型最终的loss；d）将loss进行反向传播，计算出参数梯度，采用SGD算法更新CNN模型参数、NTanh参数p以及聚类中心；e）重复上述步骤b、c、d，直到模型收敛或者达到指定迭代次数，训练结束；3）模型预测：利用训练好的模型进行预测。
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北京同方软件有限公司，未经北京同方软件有限公司许可，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/201811551883.X/，转载请声明来源钻瓜专利网。
