发明公开
CN107392241A 一种基于加权列抽样XGBoost的图像目标分类方法
失效 - 权利终止
- 专利标题: 一种基于加权列抽样XGBoost的图像目标分类方法
- 专利标题(英): Image target classification method based on weighted column sampling XGBoost
-
申请号: CN201710580163.5申请日: 2017-07-17
-
公开(公告)号: CN107392241A公开(公告)日: 2017-11-24
- 发明人: 高欣 , 范少华 , 李新鹏 , 张浩 , 戚岳 , 曹良晶 , 贾庆轩 , 彭岳星 , 刁新平
- 申请人: 北京邮电大学 , 国网冀北电力有限公司
- 申请人地址: 北京市海淀区西土城路10号
- 专利权人: 北京邮电大学,国网冀北电力有限公司
- 当前专利权人: 北京邮电大学,国网冀北电力有限公司
- 当前专利权人地址: 北京市海淀区西土城路10号
- 主分类号: G06K9/62
- IPC分类号: G06K9/62 ; G06N3/04
摘要:
本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法,包括:利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征;连接多层学习到的特征以获得更多决定其图像类别的内容信息;利用基于加权列抽样的XGBoost方法对图像特征分类,根据属性重要度,在构建决策树之前对属性进行次采样,将抽取的具有更多信息的属性用于当前决策树的构建,重复迭代直到收敛,得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案,当数据的属性维度大且冗余度高时,该方法可以扩展到其他使用列抽样的分类方法,提高图像目标分类的平均准确率。
公开/授权文献
- CN107392241B 一种基于加权列抽样XGBoost的图像目标分类方法 公开/授权日:2020-12-25