基于弱监督学习的细粒度图像识别方法、装置及可读介质
公开
摘要
本发明公开了一种基于弱监督学习的细粒度图像识别方法、装置及可读介质，通过构建基于注意力机制的VGG_Resception模型并经过两步迁移学习训练，基于注意力机制的VGG_Resception模型包括预训练的VGG16模型、Resception部分和注意力机制部分，Resception部分包括第四批归一化层、多个Resception模块、第三卷积层和第三批归一化层，Resception模块包括基于残差连接的第一卷积层、第一批归一化层、Inception‑A单元、第二卷积层和第二批归一化层，注意力机制部分包括注意力机制模块、全局平均池化层、全连接层和softmax层，两步迁移学习训练过程中包括源域和过渡域之间的迁移学习以及过渡域与目标域之间的迁移学习；获取植物叶片病害程度细粒度图像，并输入经训练的基于注意力机制的VGG_Resception模型，输出分类结果。可提高稳定性和准确率。
基本信息
专利标题 ：
基于弱监督学习的细粒度图像识别方法、装置及可读介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114511733A
申请号 ：
CN202210004720.X
公开（公告）日 ：
2022-05-17
申请日 ：
2022-01-05
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
余洪山赖明明赵科
申请人 ：
泉州湖南大学工业设计与机器智能创新研究院
申请人地址 ：
福建省泉州市鲤城区经济技术开发区崇宏街463号智能产业园办公楼
代理机构 ：
泉州君典专利代理事务所(普通合伙)
代理人 ：
杜慧真
优先权 ：
CN202210004720.X
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06K9/62 G06V10/80 G06V30/19 G06V10/774
法律状态
2022-05-17 ：
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
