一种基于词嵌入的深度零样本分类方法
授权
摘要
本发明公开了一种基于词嵌入的深度零样本分类方法,在学习阶段未出现的类别,依然可以在预测阶段被识别。本发明提出了基于词嵌入和深度特征提取的零样本图像学习模型,该方法通过强大的深度神经网络学习一个图像特征和语义特征联合嵌入的子空间,利用词向量的语义能力,达到图像的零样本学习目的。本发明不仅提出了深度学习方法与零样本学习结合的模型,同时还针对其结合部分嵌入空间做了大量改进,为图像零样本,亦或者其他模态的零样本学习提供参考和指导,克服传统零样本学习中样本属性定义不明确、人工特征提取等等缺点。本发明广泛用于端到端的类别预测任务中,特别适合训练样本不足甚至是缺少某一类训练样本的类别预测任务。
基本信息
专利标题 :
一种基于词嵌入的深度零样本分类方法
专利标题(英):
暂无
公开(公告)号 :
CN108399421A
申请号 :
CN201810095061.9
公开(公告)日 :
2018-08-14
申请日 :
2018-01-31
授权号 :
CN108399421B
授权日 :
2022-04-01
发明人 :
秦牧轩荆晓远吴飞孙莹
申请人 :
南京邮电大学
申请人地址 :
江苏省南京市亚东新城区文苑路9号
代理机构 :
南京经纬专利商标代理有限公司
代理人 :
朱桢荣
优先权 :
CN201810095061.9
主分类号 :
G06K9/62
IPC分类号 :
G06K9/62
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06K
数据识别;数据表示;记录载体;记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形,例如,指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-04-01 :
授权
2018-09-07 :
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20180131
申请日 : 20180131
2018-08-14 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载