Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国矿业大学潘杰获国家专利权

中国矿业大学潘杰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国矿业大学申请的专利一种基于融合视觉信息的广义零样本图像分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116797821B

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310590814.4,技术领域涉及:G06V10/764;该发明授权一种基于融合视觉信息的广义零样本图像分类方法是由潘杰;潘强烽;邹筱瑜设计研发完成,并于2023-05-24向国家知识产权局提交的专利申请。

一种基于融合视觉信息的广义零样本图像分类方法在说明书摘要公布了:本发明公开了一种基于融合视觉信息的广义零样本图像分类方法,该方法首先使用预训练特征提取器对图像特征信息进行提取,并针对特征信息添加相对位置编码及向量化。然后将特征向量输入特征融合嵌入模块,采用多层级架构对不同分辨率的视觉信息进行差异性处理,并使用特征融合得到融合视觉信息,预测包含的语义属性;最后根据语义属性预测值计算属性回归损失和属性交叉熵损失,更新优化模型参数,得到最优模型用于测试。测试阶段将测试图像输入模型,获取图像中语义属性组合,根据余弦相似度分数预测图像类别。本发明采用融合视觉信息的方式,提高模型对不同分辨率信息处理能力,得到更优的零样本图像分类性能。

本发明授权一种基于融合视觉信息的广义零样本图像分类方法在权利要求书中公布了:1.一种基于融合视觉信息的广义零样本图像分类方法,用于对模型没有训练过的不可见类图像进行分类,其特征在于,通过步骤S1至步骤S4,获得广义零样本图像分类模型,并按步骤i至步骤j,应用广义零样本图像分类模型,针对待分类图像进行分类: 步骤S1、基于预设数据集获得所有类别标签、所有语义属性,以及各类别标签分别与各语义属性的对应关系; 步骤S2、基于预设数据集的所有语义属性构建广义零样本图像分类模型,广义零样本图像分类模型以图像为输入,输出图像的语义属性组合;所述广义零样本图像分类模型包括图像预处理模块、特征融合嵌入模块和属性提取模块;所述图像预处理模块根据图像获得图像的局部编码特征向量;所述特征融合嵌入模块用于对局部编码特征向量进行特征融合处理,得到融合视觉信息;所述属性提取模块实现融合视觉信息到预设语义属性的映射;特征融合嵌入模块包含DeiT、图块融合和特征融合;图块融合实现不同分辨率之间的转换,在首层以外的DeiT前使用图块融合使各层级的分辨率依次增大,实现不同层级DeiT对不同分辨率图块向量进行自注意力计算;特征融合部分采用串并行结合的融合策略,保持不同层级间串行结构的同时,将各层级输出的特征图并行输入特征融合层进行融合; 步骤S3、基于预设数据集中具备训练样本的可见类构建训练集;训练集中各训练样本包含图像、图像的语义属性组合、以及图像所属的类别标签; 步骤S4、利用上述训练集对广义零样本图像分类模型进行训练,学习图像与语义属性之间的映射关系; 步骤i、将待分类图像输入已训练的广义零样本图像分类模型,获得对应的语义属性组合;步骤j、将待分类图像的语义属性组合与预设数据集中所有类别标签下的语义属性组合分别进行余弦相似度计算,将相似度最高的语义属性组合所对应的类别标签作为待分类图像的类别标签,实现广义零样本图像分类任务。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国矿业大学,其通讯地址为:221116 江苏省徐州市大学路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。