[发明专利]一种基于视觉自注意力机制的弱监督细粒度图像识别方法有效
| 申请号： | 202010311761.4 | 申请日： | 2020-04-20 |
| 公开（公告）号： | CN111539469B | 公开（公告）日： | 2022-04-08 |
| 发明（设计）人： | 李春国;刘杨;杨哲;杨绿溪;徐琴珍 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/764;G06V10/82;G06V10/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 王安琪 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于视觉自注意力机制的弱监督细粒度图像识别方法，包含student‑model、teacher‑model以及classification‑model模块；student‑model和teacher‑model经基于Pairwise Approach排序学习的Teacher‑Student循环反馈机制联合，构成自注意力区域推荐网络，从而增强判别性区域定位与细粒度特征学习之间的联系，在缺少目标边界框和部位标注点的情况下依然能够较为准确地检测细粒度图像中判别性区域，促使识别准确率显著提高；同时，student‑model、teacher‑model和classification‑model三个模块共享卷积层，有效压缩模型存储空间并降低计算成本，使得该方法满足实时性识别任务要求，适用于大规模真实场景；此外，多任务联合学习中采用动态权重分配机制减少人为设定超参数量，增强模型鲁棒性，最终整体模型通过端到端的单阶段方式进行训练与学习，降低网络优化难度。 | ||
| 搜索关键词： | 一种 基于 视觉 注意力 机制 监督 细粒度 图像 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010311761.4/，转载请声明来源钻瓜专利网。
