-
公开(公告)号：CN118298213B
公开(公告)日：2024-10-15
申请号：CN202410268180.5
申请日：2024-03-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于文本提示加权聚合的小样本图像分类方法，目的是解决现有小样本图像分类方法分类准确度不高的问题。技术方案是：构建由文本提示生成模块，文本特征提取模块、图像特征提取模块、置信度计算模块、软加权模块、主任务模块组成的基于文本提示加权聚合的小样本图像分类系统。构建训练集、验证集和测试集。采用训练集对小样本图像分类系统进行训练并使用验证集对训练后的小样本图像分类系统进行测试，将含有最好文本分类器的超参数加载到小样本图像分类系统中，得到性能最优的训练后的小样本图像分类系统；训练后的小样本图像分类系统对用户输入的图像进行分类，得到图像类别。本发明能缓解文本特征多样性不足，提升分类准确度。
-
公开(公告)号：CN118506101B
公开(公告)日：2024-10-25
申请号：CN202410740618.5
申请日：2024-06-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06F18/213 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于虚拟特征生成与重放的类增量图像分类方法，目的是解决现有图像分类方法分类准确度有待提高的问题。先构建由文本提示构建模块、文本特征提取模块、图像特征提取模块、虚拟特征生成模块、虚拟特征重放模块和主任务模块组成的基于虚拟特征生成与重放的类增量图像分类系统。构建训练集、验证集和测试集。采用训练集对图像分类系统进行训练，得到训练后的图像分类系统。使用验证集对训练后的图像分类系统进行验证，将含有最好的文本提示的权重参数赋值到图像分类系统，得到性能最优的训练后的图像分类系统；最后采用性能最优的训练后的图像分类系统对图像进行分类，得到图像的类别。采用本发明能防止灾难性遗忘，提升准确度。
-
公开(公告)号：CN118506101A
公开(公告)日：2024-08-16
申请号：CN202410740618.5
申请日：2024-06-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06F18/213 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于虚拟特征生成与重放的类增量图像分类方法，目的是解决现有图像分类方法分类准确度有待提高的问题。先构建由文本提示构建模块、文本特征提取模块、图像特征提取模块、虚拟特征生成模块、虚拟特征重放模块和主任务模块组成的基于虚拟特征生成与重放的类增量图像分类系统。构建训练集、验证集和测试集。采用训练集对图像分类系统进行训练，得到训练后的图像分类系统。使用验证集对训练后的图像分类系统进行验证，将含有最好的文本提示的权重参数赋值到图像分类系统，得到性能最优的训练后的图像分类系统；最后采用性能最优的训练后的图像分类系统对图像进行分类，得到图像的类别。采用本发明能防止灾难性遗忘，提升准确度。
-
公开(公告)号：CN118298213A
公开(公告)日：2024-07-05
申请号：CN202410268180.5
申请日：2024-03-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于文本提示加权聚合的小样本图像分类方法，目的是解决现有小样本图像分类方法分类准确度不高的问题。技术方案是：构建由文本提示生成模块，文本特征提取模块、图像特征提取模块、置信度计算模块、软加权模块、主任务模块组成的基于文本提示加权聚合的小样本图像分类系统。构建训练集、验证集和测试集。采用训练集对小样本图像分类系统进行训练并使用验证集对训练后的小样本图像分类系统进行测试，将含有最好文本分类器的超参数加载到小样本图像分类系统中，得到性能最优的训练后的小样本图像分类系统；训练后的小样本图像分类系统对用户输入的图像进行分类，得到图像类别。本发明能缓解文本特征多样性不足，提升分类准确度。
-
-
-
搜索结果
4 条记录 (耗时 0.029 秒)
