龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：大连大学
摘要：本发明提出基于易混淆特征挖掘与解耦的低分辨图像细粒度识别方法，首先分别将低、高分辨率图像输入特征提取器，获取对应的全局类别表征；分别计算低、高分辨率图像的全局类别表征与可学习类原型向量的余弦相似性分数，并构造损失函数引导类原型和特征提取器的参数学习；计算每个类原型向量在特征图上的响应，并分别对特征图上各类别响应特征进行聚合，得到对应的分组特征；依据低分辨率图像全局表征与类原型向量的相似性分数，选取出分数最高的K个易混淆分组特征；计算特征图以类原型为基的特征表示，用于对K个易混淆分组特征进行特征解耦，从而分解出细粒度类别特性；最终将解耦特征与全局类别特征进行特征融合，并预测目标类别。
主权项：1.基于易混淆特征挖掘与解耦的低分辨图像细粒度识别方法，其特征在于，包括以下步骤：步骤1：分别将低分辨率图像和高分辨率图像输入特征提取器，进行初步特征提取，分别获取低分辨率图像和高分辨率图像的全局类别表征；步骤2：设置一组可学习的类原型向量，分别计算所述步骤1学习到的低分辨率图像和高分辨率图像的全局类别表征与类原型向量的余弦相似性分数，并以图像的类别标签作为监督信息，构造损失函数引导类原型和特征提取器的参数学习；步骤3：计算步骤2的每个类原型向量在特征图上的响应，并分别对特征图上各类别响应特征进行聚合，得到对应的分组特征；步骤4：依据低分辨率图像全局表征与类原型向量的相似性分数，选取出分数最高的K个分组特征，即为易混淆类别特征；步骤5：计算特征图以类原型为基的特征表示，将步骤4所得的K组易混淆特征进行特征解耦，从易混淆特征中分解出细粒度类别特性，增强目标的细粒度类别表征；步骤6：低分辨率图像最终的类别表征是由全局类别特征和解耦之后的分组特征经过特征融合模块输出的类别表征。
全文数据：
权利要求：
百度查询： 大连大学 基于易混淆特征挖掘与解耦的低分辨图像细粒度识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号