一种基于可辨伪特征合成的广义零样本图像分类方法

    公开(公告)号:CN114037866A

    公开(公告)日:2022-02-11

    申请号:CN202111295572.3

    申请日:2021-11-03

    Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法,包括如下步骤:构建端到端神经网络模型;用可见类图像对模型进行预训练,使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小,得到可见类的可辨潜在特征;对每个未见类,选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵,并用于优化非负合成向量;利用非负合成向量结合被选中的可见类的潜在特征,以及未见类的语义属性,合成未见类的伪特征;对合成的未见类伪特征进行过滤并剔除伪特征中的离群值,得到可辨伪特征;用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。

    一种基于可辨伪特征合成的广义零样本图像分类方法

    公开(公告)号:CN114037866B

    公开(公告)日:2024-04-09

    申请号:CN202111295572.3

    申请日:2021-11-03

    Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法,包括如下步骤:构建端到端神经网络模型;用可见类图像对模型进行预训练,使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小,得到可见类的可辨潜在特征;对每个未见类,选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵,并用于优化非负合成向量;利用非负合成向量结合被选中的可见类的潜在特征,以及未见类的语义属性,合成未见类的伪特征;对合成的未见类伪特征进行过滤并剔除伪特征中的离群值,得到可辨伪特征;用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。

    基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法

    公开(公告)号:CN113139916A

    公开(公告)日:2021-07-20

    申请号:CN202110407439.6

    申请日:2021-04-15

    Abstract: 本发明公开了一种基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法,包括:构建训练数据样本集;构建数据预处理系统,对样本数据进行预处理;构建生成器网络模型,将预处理后的图像输入生成器网络模型,得到保证图像尺寸和细节特征的输出图像;构建判别器网络模型,与生成器网络模型在训练的过程中不断对抗训练,得到质量好的图像;构建训练模型,通过训练模型对生成器网络模型和判别器网络模型进行训练;构建梯度惩罚项模型,在训练模型损失函数基础上增加梯度惩罚项,模型训练时,引入的梯度惩罚项使训练过程中梯度不会骤变;开始训练,获得优质的水下声呐仿真图像。本发明能够生成更高质量、更高分辨率和细节更逼真的水下声呐图像。

Patent Agency Ranking