[发明专利]一种基于强化学习策略的图像细粒度识别方法有效
| 申请号： | 201910415457.1 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110135502B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 杨绿溪;邓亭强;廖如天;李春国;徐琴珍 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06V10/778 | 分类号： | G06V10/778;G06V10/80 |
| 代理公司： | 南京众联专利代理有限公司 32206 | 代理人： | 蒋昱 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明针对细粒度图像最具有判别力的区域难以挖掘的问题，提出了一种基于强化学习和交叉双线性特征的细粒度识别方法。使用Actor‑Critic策略去挖掘图像最具有注意力的区域，Actor模块负责产生最具有判别力的top M个候选区域，Critic模块利用交叉双线性特征去评价此动作的状态值，然后利用排序一种性奖励计算当前状态下该动作的奖励值，进而得到价值优势并反馈给Actor模块，更新最具有注意力区域的输出，最后使用这些最具有判别力的区域结合原图特征进行预测细粒度类别。该方法可以较好的挖掘出细粒度图像最具有注意力的区域。经实验验证，本发明在CUB‑200‑2011公开数据集上的识别准确率比目前已有方法有一定的提升，分别达到了较高的细粒度识别准确率。 | ||
| 搜索关键词： | 一种 基于 强化 学习 策略 图像 细粒度 识别 方法 | ||
【主权项】：
1.一种基于强化学习策略的图像细粒度识别方法，其特征在于：使用强化学习Actor‑Critic策略结合交叉双线性特征去挖掘细粒度图像最具有判别力区域，然后融合原图特征进行预测细粒度类别，方法包括如下步骤：(1)对细粒度训练数据进行增广，数据增广方式包括数据随机翻转，缩放和裁剪；(2)构造细粒度识别Actor模块和Critic模块；(3)将经Actor‑Critic策略产生的top M个候选区域的特征与原图特征进行融合，预测图像细粒度类别。
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东南大学，未经东南大学许可，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/201910415457.1/，转载请声明来源钻瓜专利网。
