欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021113032119
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种对象识别内特征数据的选择方法,其特征在于,应用于图像识别领域,包括:响应于识别对象的识别请求,提取所述识别对象的特征数据;

将所述特征数据与类别标签作为参数,输入到所述对象识别内特征数据的选择模型中进行零中心化处理,得到所述特征数据与所述类别标签的协变量相关度;

对所述特征数据与所述类别标签的所述协变量相关度进行处理,得到所述特征数据相对于所述类别标签的重要性;

对所述特征数据相对于所述类别标签的重要性进行处理,得到所述特征数据的判别能力;

对所述特征数据的判别能力进行压缩处理,以对所述特征数据进行区分;

其中,所述特征数据与所述类别标签的协变量相关度,表示为:,其中,为第个特征数据,为第个类别标签,为训练数据的总数,为第个训练数据,,为实数集,为特征的维度,为第个类别标签,,为类别标签的总数;

所述特征数据相对于所述类别标签的重要性,表示为:,其中,为第个特征数据,为类别标签,;

所述特征数据的判别能力,表示为:,。

2.根据权利要求1所述的对象识别内特征数据的选择方法,其特征在于,还包括:根据所述特征数据的区分结果进行筛选,剔除与所述类别标签不相关的所述特征数据,保留与所述类别标签相关的所述特征数据,并将与所述类别标签相关的所述特征数据传递到所述对象识别内特征数据的选择模型的隐藏层中。

3.根据权利要求1所述的对象识别内特征数据的选择方法,其特征在于,所述对所述特征数据的判别能力进行压缩处理,以对特征数据进行区分的步骤包括:对所述特征数据的判别能力进行处理,得到对应权重的加权向量;

对所述加权向量进行稀疏性约束处理,得到所述特征数据的选择结果;

根据所述特征数据的选择结果,对所述特征数据进行区分。

4.根据权利要求3所述的对象识别内特征数据的选择方法,其特征在于,所述特征数据的选择结果,表示为:,其中,为对象识别内特征数据的选择模型的损失函数,

、为加权系数,,,

为对应权重的加权向量,;

为连接在输入层与加权输入层之间的权系数向量,

、为系数,,

为对象识别内特征数据的选择模型内隐藏层的数量,

为连接在第层网络层与第层网络层之间的权重矩阵。

5.一种对象识别内特征数据的选择系统,其特征在于,应用于图像识别领域,包括:提取模块,其用于提取识别对象的特征数据;

运算模块,其用于将所述特征数据与类别标签作为参数,输入到所述对象识别内特征数据的选择模型中进行零中心化处理,得到所述特征数据与所述类别标签的协变量相关度;对所述特征数据与所述类别标签的所述协变量相关度进行处理,得到所述特征数据相对于所述类别标签的重要性;对所述特征数据相对于所述类别标签的重要性进行处理,得到所述特征数据的判别能力;

压缩模块,其用于对特征数据的判别能力进行压缩处理,以对所述特征数据进行区分;以及筛选模块,其用于对筛选所述特征数据,剔除与所述类别标签不相关的所述特征数据,保留与所述类别标签相关的所述特征数据;

其中,所述特征数据与所述类别标签的协变量相关度,表示为:,其中,为第个特征数据,为第个类别标签,为训练数据的总数,为第个训练数据,,为实数集,为特征的维度,为第个类别标签,,为类别标签的总数;

所述特征数据相对于所述类别标签的重要性,表示为:,其中,为第个特征数据,为类别标签,;

所述特征数据的判别能力,表示为:,。

6.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。