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：南京邮电大学

摘要：本发明提出了一种基于压缩与激励网络的商品分类方法，涉及商品自动化分类技术领域，主要包括一个四阶段处理方法。第一阶段为商品信息的预处理阶段，将商品信息传入预处理模型，经过预处理模型得到商品的文本数据、图像数据以及视频数据。第二阶段为特征提取阶段，针对不同的数据类型建立不同的神经网络进行特征提取。第三阶段为特征增强阶段，建立压缩激励网络，通过学习的方式获取各个通道的重要程度，依据这个重要特征对原特征进行加权，增强有用信息，抑制无用信息。第四阶段是融合输出阶段，将商品的文本特征、图像特征以及视频特征进行融合得到商品特征，建立分类器模型进行训练，输出商品分类结果，提取了商品的文本、图像、以及视频特征，将其融合为商品特征，提取到的商品特征更加准确、丰富。

主权项：1.一种基于压缩与激励网络的商品分类方法，其特征在于，包括以下步骤：步骤1：建立商品数据预处理模块，定义数据的结构为，data表示数据集，表示数据集中第个数据，表示数据的文本数据，表示数据的图片数据，表示数据的视频数据，将数据集中的商品数据传入商品数据预处理模块，提取商品的文本数据，商品的图像数据，商品的视频数据，经过预处理阶段得到商品文本信息，商品图像信息，商品视频信息；步骤2：建立商品数据特征提取模块，将步骤1经过预处理的商品数据传入商品数据特征提取模块，经过数据特征提取得到商品的文本特征，商品的图像特征，商品的视频特征；步骤3：建立特征增强模块，所述的特征增强模块主要分为压缩与扩展两个阶段，将步骤2中得到的商品特征数据传入特征增强模块，通过学习的方式来自动获取到每个特征通道的重要程度，然后依照这个重要程度去增强有用的特征并抑制对当前任务用处不大的特征，经过处理得到商品的文本特征，图像特征，视频特征，所述的压缩阶段的主要作用是顺空间维度进行压缩，输入数据维度为，其中，表示特征高度，表示特征宽度，表示特征通道数，经过压缩操作，将每个二维通道压缩为一个实数，这个实数具有全局的特征，首先是先进行一个卷积操作，表示卷积操作，其次是压缩操作，采用全局平均池化来进行实现，并且输出的维度和输入维度的特征通道数相匹配，压缩后的特征向量可表示为： ；公式2；其中，表示压缩操作，表示特征高度，表示特征宽度，表示卷积操作的结果，所述的扩展阶段的主要作用是对压缩后的增强特征进行扩展，学习权值矩阵以建立特征通道之间的相关性，通道权值向量可表示为： ；公式3；其中，表示函数，将提取特征映射到[0,1]，表示全局池化操作，表示激活函数，表示参数矩阵；最后，基于特征增强阶段处理的加权特征矩阵，可表示为： ；公式4；其中，表示通道权值向量，；步骤4：建立融合输出模块，对步骤3得到的经过增强的商品特征进行融合得到商品特征信息，建立分类器模型进行训练，输出分类结果。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于压缩与激励网络的商品分类方法