发明名称 |
一种基于数据与任务驱动的图像分类方法 |
摘要 |
本发明公开了一种基于数据与任务驱动的图像分类方法,该方法包括:根据数据集规模与图像内容设计卷积神经网络结构;使用给定分类数据集对卷积神经网络模型进行训练;使用训练后的卷积神经网络对训练集图像提取特征表达;将测试图像输入训练后的卷积神经网络,并进行分类。本发明方法基于非线性卷积特征学,可以以数据驱动的方式实现模型对数据集的自适应,从而更好的描述特定的数据集,通过任务驱动的方式直接对K近邻的误差进行优化,使其能够在K近邻任务上取得更好的性能;并且在训练阶段可以采用GPU进行高效训练,在测试阶段只需使用CPU就可以实现高效的K近邻图像分类,非常适用于大规模的图像分类、检索等任务。 |
申请公布号 |
CN103984959A |
申请公布日期 |
2014.08.13 |
申请号 |
CN201410224860.3 |
申请日期 |
2014.05.26 |
申请人 |
中国科学院自动化研究所 |
发明人 |
黄凯奇;任伟强;张俊格 |
分类号 |
G06K9/62(2006.01)I;G06K9/66(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
G06K9/62(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 |
一种基于数据与任务驱动的图像分类方法,其特征在于,包括:数据集准备,根据数据集规模与图像内容设计卷积神经网络结构;模型训练,使用给定分类数据集对卷积神经网络模型进行训练;使用训练后的卷积神经网络对训练集图像进行特征表达提取;将测试图像输入训练后的卷积神经网络,使用K近邻方式对测试图像进行分类。 |
地址 |
100190 北京市海淀区中关村东路95号 |