[发明专利]基于相关性引导的判别学习的弱监督细粒度图像分类算法在审
| 申请号： | 201910986800.8 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN110796183A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 王智慧;王世杰;李豪杰;唐涛 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 21200 大连理工大学专利中心 | 代理人： | 温福雪;侯明远 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机视觉技术领域，提供了一种基于相关性引导的判别学习的弱监督细粒度图像分类算法。提出了一种端到端的相关性引导的判别学习模型，以充分挖掘和利用弱监督细粒度图像分类的相关性提升判别性。首先，提出了判别性区域分组子网络，该子网络首先在区域之间建立相关性，然后通过加权汇总来自其他区域的所有相关性来增强每个区域来引导网络去发现更具有判别性区域组。最后，提出了判别性特征增强子网络，以挖掘和学习每个patch的特征向量元素之间的内部空间相关性，通过联合地增强信息元素同时抑制无用元素来提高其局部的判别能力。大量实验证明了DRG和DFS有效性，并达到了最先进的性能。 | ||
| 搜索关键词： | 子网络 图像分类 细粒度 引导的 计算机视觉技术 特征向量 特征增强 增强信息 挖掘 区域组 算法 学习 加权 监督 分组 网络 联合 发现 | ||
【主权项】：
1.一种基于相关性引导的判别学习的弱监督细粒度图像分类算法，其特征在于，两个子网络：/n(1)判别性区域分组DRG子网络/n在该子网络中提出一种新的方法去建立区域之间的联系；给定输入特征表示M
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大连理工大学，未经大连理工大学许可，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/201910986800.8/，转载请声明来源钻瓜专利网。
