standard library
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211263756.6 (22)申请日 2022.10.17 (71)申请人 山东建筑大学 地址 250000 山东省济南市历城区临港开 发区凤鸣路10 00号 (72)发明人 宁阳 聂秀山 李成龙 郭杰 刘培德 张云峰 张彩明 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种面向单幅图像特征分组的因果不变性 学习方法及系统 (57)摘要 本发明公开了一种面向单幅图像特征分组 的因果不变性学习方法及系统, 属于鲁棒图像分 类系统技术领域。 本发明通过对 单幅图像的跨尺 度特征进行分组来构造具有明确划分标准的环 境分组, 在高质量标注数据不足且 无法确定多环 境划分标准的复杂开放场景下学习数据稳健的 因果不变性, 以实现鲁棒的图像识别和分类。 解 决了现有技术中存在 “进行图像分类依赖于高质 量标记数据, 无法应对复杂开放场景, 识别、 分类 准确率低 ”的问题。 权利要求书2页 说明书8页 附图2页 CN 115359304 A 2022.11.18 CN 115359304 A 1.一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 包括: 构建鲁棒分类 模型, 具体为: 获取分类数据集并进行 数据预处 理; 针对数据预处理后的分类数据集, 基于卷积神经网络, 构造跨尺度空间注意力机制和 跨尺度通过注意力机制对单幅图像进行跨尺度增强特 征提取, 构造特 征分组; 以及, 针对特征分组, 计算经验风险最小化损失、 不变风险最小化损失和对比损失, 使用复合 损失函数对网络进行训练获得网络模型; 针对待分类图像, 利用鲁棒分类模型输出分类结果。 2.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 对分类数据集进行 数据预处 理包括: 对分类数据集中的图像进行随机数据增强操作; 对随机数据增强后的图像进行归一 化操作。 3.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 基于卷积神经网络, 构 造跨尺度空间注意力机制和跨尺度通过注意力机制对单幅图像进 行 跨尺度增强特 征提取包括: 根据预处理后数据集的属性和待处理单幅图像的尺寸, 确定特征提取深度, 根据特征 提取深度, 基于卷积神经网络, 提取 单幅图像的多尺度特 征; 基于多尺度特 征, 分组获取跨尺度特 征组合; 构造跨尺度空间注意力 机制, 将跨尺度特征组合中的特征表示分别作为跨尺度输入和 主输入, 获取基于空间维度的跨尺度增强特 征; 构造跨尺度通道注意力 机制, 将跨尺度特征组合中的特征表示分别作为主输入和跨尺 度输入, 获取基于通道维度的跨尺度增强特 征。 4.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 在提取跨尺度增强特 征之后, 构造特 征分组之前还 包括: 对提取的跨尺度增强特 征进行重采样 操作。 5.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 根据特征提取深度, 确定基准分辨 率; 根据基准分辨率, 对低于基准分辨率的跨尺度增强特征进行上采样操作, 对高于基准 分辨率的跨尺度增强特 征进行下采样操作。 6.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 对跨尺度特征进行循环处理, 构造两个特征分组, 对特征分组进行对比损失最大化以使它 们具有不同的语义。 7.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 最小化经验风险最小损失以诱导网络模型学习数据的相关性, 最小化不变风险最小化损失 以诱导模型学习数据的因果不变性, 加权最大化对比损失以迫使 特征分组在相似的基础上 具有不同的语义。 8.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 经验风险最小化损失定义 为:权 利 要 求 书 1/2 页 2 CN 115359304 A 2其中, 为在环境 下的经验风险, 为训练集中的环 境划分, 为特征表示器; 不变风险最小化损失定义 为: 其中, 为最优分类 器, 为在环境 下的经验风险; 对比损失被定义 为: 其中, 表示对比样本, 表示正样本, 表示负样本, 表示负样本数量。 9.如权利要求1所述的一种面向单 幅图像特征分组 的因果不变性学习方法, 其特征是, 构建鲁棒分类模型还 包括: 将待预测的图像数据输入已训练好的网络模型进行 预测得到分类结果。 10.一种面向单幅图像特 征分组的因果 不变性学习 系统, 其特 征是, 包括: 鲁棒分类模型构建模块, 被 配置为: 获取分类数据集并进行 数据预处 理; 针对数据预处理后的分类数据集, 基于卷积神经网络, 构造跨尺度空间注意力机制和 跨尺度通过注意力机制对单幅图像进行跨尺度增强特 征提取, 构造特 征分组; 以及, 针对特征分组, 计算经验风险最小化损失、 不变风险最小化损失和对比损失, 使用复合 损失函数对网络进行训练获得网络模型; 分类模块, 被 配置为: 针对待分类图像, 利用鲁棒分类模型输出分类结果。权 利 要 求 书 2/2 页 3 CN 115359304 A 3
专利 一种面向单幅图像特征分组的因果不变性学习方法及系统
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-18 22:24:33
上传分享
举报
下载
原文档
(550.6 KB)
分享
友情链接
信通院 AI框架发展白皮书-2022年.pdf
商用密码应用安全性评估报告模板(2023版)—系统密评报告.docx
SN-T 1417-2004 国境口岸除鼠规程.pdf
GB-T 25068.3-2022 信息技术 安全技术 网络安全 第3部分:面向网络接入场景的威胁、设计技术和控制.pdf
绿盟 IoT机顶盒恶意软件应急处置手册.pdf
证券期货业信息系统渗透测试指南 (JRT 0276—2023).pdf
GB-T 43686-2024 电化学储能电站后评价导则.pdf
GB-T 41871-2022 汽车数据处理安全要求.pdf
GB-T 9254.1-2021 信息技术设备、多媒体设备和接收机 电磁兼容 第1部分:发射要求.pdf
GB-T 32371.2-2015 低溶剂型或无溶剂型胶粘剂涂敷后释放特性的短期测量方法 第2部分:挥发性有机化合物的测定.pdf
NB-T 10876-2021 水电工程建设征地移民安置规划设计规范.pdf
YD T 3801-2020 电信网和互联网数据安全风险评估实施方法.pdf
GB-T 36137-2018 中空纤维超滤膜和微滤膜组件完整性检验方法.pdf
GB 30000.20-2013 化学品分类和标签规范 第20部分:严重眼损伤-眼刺激.pdf
DB14-T 2658—2023 农村公路工程技术标准 山西省.pdf
商用密码应用与安全性评估-电子版.pdf
GB-T 18837-2015 多联式空调 热泵 机组.pdf
T-CEC 664—2022 电力行业职业技能标准 电力网络安全员.pdf
T-SHPPA 025—2024 切向流过滤膜及膜包-装置生产质量管理指南.pdf
GB-T 38626-2020 信息安全技术 智能联网设备口令保护指南.pdf
1
/
13
评价文档
赞助2.5元 点击下载(550.6 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。