[发明专利]基于集成学习策略的图像细粒度识别方法在审
| 申请号： | 201910450857.6 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110210550A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 李春国;邓亭强;杨绿溪;徐琴珍;俞菲 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 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： | 本发明提出了一种基于集成学习策略的图像细粒度识别方法。考虑到上述方法中不同网络流提取的交叉双线性特征判别能力有差异的问题，提出了基于集成学习bagging策略的细粒度识别方法。该方法利用多流网络提取的交叉双线性特征构造若干基分类器，采用多数投票法和加权投票法等策略去集成各基分类器，以此来预测图像细粒度类别。该方法使用跳跃连接的结构去融合图像的底层特征，进一步改善了图像特征利用不充分的问题。经实验验证，本发明提出的基于集成学习策略的细粒度识别方法在CUB‑200‑2011公开数据集上的识别准确率有较大的提高。 | ||
| 搜索关键词： | 细粒度 集成学习 基分类器 双线性 投票法 图像 底层特征 方法使用 融合图像 实验验证 特征构造 特征判别 图像特征 网络提取 预测图像 数据集 网络流 准确率 加权 跳跃 | ||
【主权项】：
1.基于集成学习策略的图像细粒度识别方法，其特征在于，使用多流网络提取细粒度图像特征，计算交叉双线性特征，分别构造基分类器，采用多数投票法和加权投票法等策略去集成各基分类器，以此来预测图像细粒度类别，该方法包括如下步骤：(1)对输入图像进行数据增广；(2)利用多流基础网络提取图像特征，计算交叉双线性特征；(3)利用多数投票法和加权投票法等集成策略构造若干基分类器，使用最终的结果预测细粒度类别。
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/201910450857.6/，转载请声明来源钻瓜专利网。
