补充缺失特征的零样本图片分类方法、系统、设备及介质
本发明属于计算机视觉技术领域,公开了一种补充缺失特征的零样本图片分类方法、系统、设备及介质,收集零样本图片分类数据集,同时获取所有类别的语义特征;对图片进行特征提取;基于特征训练一生成对抗网络;利用所述生成对抗网络提取伪造的未见类图片特征,将伪造的未见类图片特征与图片特征向量组合得到图片训练数据集;基于所述图片训练数据集训练图片特征分类网络模型,并对测试集中的数据进行测试。本发明公开的方法属于生成式零样本图片分类方法,对于现有的方法中的无法生成缺失某些属性的图片特征的情况进行了优化,从而使生成的未见类图片特征更加符合实际的分布,帮助分类模型学习到更加完整的信息,最终提高分类正确率。
《补充缺失特征的零样本图片分类方法、系统、设备及介质》是一发明专利,专利号为 2022115056697,当前法律状态为已下证,由电子科技大学长三角研究院(湖州)提出申请,发明人为沈冯立;李福生;赵彦春;唐荣江,申请日期为2022-11-28,公开(公告)日期为2025-06-06,国际专利分类号(IPC)为 G06V 10/764 (2022.01),高新资质:未报高企,所属技术领域包括:计算机视觉、CLIP图像分类、语言图像处理、图像数据处理、人工智能、语言文本转图片、图片分类系统。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明属于计算机视觉技术领域,公开了一种补充缺失特征的零样本图片分类方法、系统、设备及介质,收集零样本图片分类数据集,同时获取所有类别的语义特征;对图片进行特征提取;基于特征训练一生成对抗网络;利用所述生成对抗网络提取伪造的未见类图片特征,将伪造的未见类图片特征与图片特征向量组合得到图片训练数据集;基于所述图片训练数据集训练图片特征分类网络模型,并对测试集中的数据进行测试。本发明公开的方法属于生成式零样本图片分类方法,对于现有的方法中的无法生成缺失某些属性的图片特征的情况进行了优化,从而使生成的未见类图片特征更加符合实际的分布,帮助分类模型学习到更加完整的信息,最终提高分类正确率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
