← 返回列表
一种图像分类模型的训练方法、图像分类方法
摘要文本
本发明实施例提供了一种图像分类模型训练方法，该方法包括：S1、获取包括多个图像样本的原始图像数据集及其对应的特征矩阵；S2、对原始图像数据集对应的特征矩阵进行降维处理，并将降维处理后的特征矩阵进行高斯建模以获得特征矩阵中每个特征值的高斯分布；S3、基于步骤S2中每个特征值的高斯分布对其依次进行高斯采样，以使高斯采样所得的所有特征值构成新的特征矩阵，并基于新的特征矩阵生成新的图像数据集；S4、采用新的图像数据集和原始图像数据集构成增强图像训练集训练图像分类模型至收敛。该方法提高了图像分类模型在少样本情况下的性能。 来自马-克-数-据
申请人信息
- 申请人:中国科学院计算技术研究所
- 申请人地址:100190 北京市海淀区中关村科学院南路6号
- 发明人: 中国科学院计算技术研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种图像分类模型的训练方法、图像分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311308831.0 |
| 申请日 | 2023/10/10 |
| 公告号 | CN117333738A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G06V10/774 |
| 权利人 | 中国科学院计算技术研究所 |
| 发明人 | 程学旗; 李琳; 郭嘉丰; 廖华明; 邱强 |
| 地址 | 北京市海淀区中关村科学院南路6号 |
专利主权项内容
1.一种图像分类模型的训练方法，所述图像分类模型用于基于图像的特征对输入的图像进行分类，其特征在于，所述方法包括：S1、获取包括多个图像样本的原始图像数据集及其对应的特征矩阵；S2、对原始图像数据集对应的特征矩阵进行降维处理，并将降维处理后的特征矩阵进行高斯建模以获得特征矩阵中每个特征值的高斯分布；S3、基于所述步骤S2中每个特征值的高斯分布对其依次进行高斯采样，以使高斯采样所得的所有特征值构成新的特征矩阵，并基于新的特征矩阵生成新的图像数据集；S4、采用新的图像数据集和原始图像数据集构成增强图像训练集训练图像分类模型至收敛。