公开(公告)号：CN119205867A

公开(公告)日：2024-12-27

申请号：CN202411334131.3

申请日：2024-09-24

Applicant: 西北工业大学

Inventor： 李学龙 ,  张睿 ,  程月龙 ,  周诗谧 ,  翟佳驰

IPC: G06T7/50 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明公开了一种基于自适应特征视图融合的图像深度表征方法，首先利用多级编码器提取特征视图；之后利用拉格朗日优化法和KKT条件，提出了一个自适应特征视图权重框架，引了非线性逆权重，强化关键视图，同时保留了重要性不高但仍然相关的视图；最后提出一个基于结构化深度图的自适应特征视图融合算法，将最初提取到的特征视图用于融合算法后，生成的统一稀疏深度图对于不同类别的区分更加显著。本发明能够解决对卷积神经网络对低层特征利用不充分、传统方法在特征融合时只关注减少不重要特征视图的权重以及很少通过不同的特征视图自适应地建立内部结构和潜在联系的问题，同时本发明结果可用于聚类分析和深度图构造等数据分析任务。