一种基于超限隐特征模型的盲领域图像样本分类方法[CN201910228715.5] - 重庆邮电大学

专利申请

2019-03-25
公布公告

2022-03-29
授权日期

2022-03-29
终止

2032-03-26

一种基于超限隐特征模型的盲领域图像样本分类方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN201910228715.5 申请日期： 2019-03-25 专利主类别： G06V10/764 {{ classMap["G06V10/764"] }}

申请人名称：重庆邮电大学

查看申请人名下所有专利

申请人地址：重庆市南岸区崇文路2号

专利分类项目

G06V10/764 :

G06K9/62 : 应用电子设备进行识别的方法或装置

G06N3/04 : 体系结构，例如，互连拓扑

专利注册信息

初审公告期号	2019-03-25	初审公告日期	2022-03-29
注册公告期号	2022-03-29	注册公告日期	2022-03-29
专用权期限	2022-03-29 - 2032-03-26	专利类型	发明授权
代理组织机构	成都时誉知识产权代理事务所查看该机构代理的所有专利

专利介绍

本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM‑AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM‑AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。

法律进度