公开(公告)号：CN115392474A

公开(公告)日：2022-11-25

申请号：CN202210671735.1

申请日：2022-06-14

Applicant: 南京理工大学 ,  北京空间飞行器总体设计部

Inventor： 王丹 ,  穆京京 ,  李源源 ,  崔振 ,  许海燕 ,  高阳特

IPC: G06N20/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种基于迭代优化的局部感知图表示学习方法，在每次迭代过程中，通过将全局统计标签图和个体标签分布图进行融合，为每个图像样本动态地构建不同的标签图，实现标签节点之间相关性的自适应。对每个图像学习特定的节点特征表示，同时利用过去的预测结果作为指导，来预测图像的多标签。并且，在迭代优化的模型框架中，通过构建重复的网络模块，实现了多标签预测结果的从粗糙到精细的优化过程。本发明采用上述的一种基于迭代优化的局部感知图表示学习方法，可以实现更加鲁棒的多标签预测。

公开(公告)号：CN115392474B

公开(公告)日：2023-08-22

申请号：CN202210671735.1

申请日：2022-06-14

Applicant: 南京理工大学 ,  北京空间飞行器总体设计部

Inventor： 王丹 ,  穆京京 ,  李源源 ,  崔振 ,  许海燕 ,  高阳特

IPC: G06N20/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种基于迭代优化的局部感知图表示学习方法，在每次迭代过程中，通过将全局统计标签图和个体标签分布图进行融合，为每个图像样本动态地构建不同的标签图，实现标签节点之间相关性的自适应。对每个图像学习特定的节点特征表示，同时利用过去的预测结果作为指导，来预测图像的多标签。并且，在迭代优化的模型框架中，通过构建重复的网络模块，实现了多标签预测结果的从粗糙到精细的优化过程。本发明采用上述的一种基于迭代优化的局部感知图表示学习方法，可以实现更加鲁棒的多标签预测。