一种基于深度学习的多标记图片分类中未知标记分类方法
公开
摘要
本发明提供一种基于深度学习的多标记图片分类中未知标记分类方法，属于机器学习领域。本发明在充分学习了已知标记特征表示的前提下，通过非负矩阵分解技术，对CNNs提取的特征进行非负矩阵分解，挖掘出未知标记信息，并与分类器做一致性约束，帮助学习未知标记的特征表示。同时根据非负矩阵分解得到的完整标记矩阵的近似解构建更准确的标记关系矩阵，然后利用图神经网络学习标记关系，得到具有语义信息的未知标记特征表示。本发明通过发现未知标记，挖掘出数据中有价值的隐含信息，利用已知标记和未知标记之间的关联性，使已知标记分类和未知标记分类相互指导，共同促进，最终提升已知标记和未知标记的分类性能，更好的进行多标记学习任务。
基本信息
专利标题 ：
一种基于深度学习的多标记图片分类中未知标记分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114299342A
申请号 ：
CN202111655752.8
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-30
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
黄俊严煜郑啸陶陶
申请人 ：
安徽工业大学;合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请人地址 ：
安徽省马鞍山市湖东路59号
代理机构 ：
安徽知问律师事务所
代理人 ：
平静
优先权 ：
CN202111655752.8
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/762 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-04-08 ：
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
