基于图网络的多粒度特征学习的精细分类方法及系统[发明专利]

专利名称：基于图网络的多粒度特征学习的精细分类方法及系统
专利类型：发明专利
发明人：郭海云,王金桥,伍洪燕
申请号：CN202010918782.2
申请日：20200904
公开号：CN111814920A
公开日：
20201023
专利内容由知识产权出版社提供
摘要：本发明属于计算机视觉和模式识别领域，具体涉及了一种基于图网络的多粒度特征学习的精细分类方法及系统，旨在解决现有技术对目标多粒度层级关系利用不足，从而图像精细分类准确率低的问题。

本发明包括：基于获取的待分类图像构建多粒度层级关系图；通过多粒度层级特征提取网络提取多粒度类层级关系图中每一个粒度层级的特征；进行多粒度层级特征集中各粒度层级特征的层级关系嵌入；通过分类器获取各粒度层级的预测类别。

本发明利用图神经网络学习图像的多粒度层次间的语义关系，以共同促进的方式改善各个粒度的特征学习，特征提取网络由一个主干网络和三个分支网络构成，在取得高精度的同时降低了模型参数量。

申请人：中国科学院自动化研究所
地址：100190 北京市海淀区中关村东路95号
国籍：CN
代理机构：北京市恒有知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。