发明名称 |
深度反卷积特征学网络、生成方法及图像分类方法 |
摘要 |
本发明公开了一种深度反卷积特征学网络的生成方法,包括:采用非监督的方式预训练一个多层的反卷积特征学网络模型;以及用物体检测信息自上而下对所述学网络模型进行微调。以及一种由此生成的深度反卷积特征学网络和图像分类方法。本发明的方法在深度特征学模型中引入非负稀疏性约束,增强了特征的判别力,提高了图像分类的准确率;将物体检测信息作为自上而下的高层指导信息对预训练后的网络进行细调,使得网络中不同节点对输入的图像结构具有较强选择性,尤其是最高层的节点对不同物体类别有不同响应,得到的高层特征有了明显的语义涵义,同时提高了图像分类的准确率。 |
申请公布号 |
CN104361363A |
申请公布日期 |
2015.02.18 |
申请号 |
CN201410687304.X |
申请日期 |
2014.11.25 |
申请人 |
中国科学院自动化研究所 |
发明人 |
卢汉清;刘炳源;刘静 |
分类号 |
G06K9/66(2006.01)I;G06K9/46(2006.01)I |
主分类号 |
G06K9/66(2006.01)I |
代理机构 |
中科专利商标代理有限责任公司 11021 |
代理人 |
宋焰琴 |
主权项 |
一种深度反卷积特征学习网络的生成方法,包括以下步骤:预训练一个多层的反卷积特征学习网络模型;以及用物体检测信息自上而下对所述学习网络模型进行微调,从而得到所述深度反卷积特征学习网络。 |
地址 |
100190 北京市海淀区中关村东路95号 |