公开(公告)号：CN113705647A

公开(公告)日：2021-11-26

申请号：CN202110954044.8

申请日：2021-08-19

Applicant: 电子科技大学

Inventor： 段贵多 ,  郑旭 ,  解修蕊 ,  张栗粽 ,  罗光春 ,  苗佳雨 ,  罗文隆

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/40 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于动态间隔的双重语义特征提取方法，属于计算机视觉特征识别技术领域。本发明方法动态通过调整类别间隔的损失函数来获取具有判别性的图像特征，即对特征和权重向量进行归一化，然后对损失函数动态的调整，来实现不同类别的不同的余弦间隔。该方法使得间隔设置更加合理，同时能在保留特征限制的同时，不增加神经网络模型优化的复杂度，与其他提出的损失函数相比，更加简单易于实现和准确。

公开(公告)号：CN113705647B

公开(公告)日：2023-04-28

申请号：CN202110954044.8

申请日：2021-08-19

Applicant: 电子科技大学

Inventor： 段贵多 ,  郑旭 ,  解修蕊 ,  张栗粽 ,  罗光春 ,  苗佳雨 ,  罗文隆

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/30 ,  G06V10/44 ,  G06V10/82 ,  G06N3/047 ,  G06N3/09 ,  G06N3/0464

Abstract: 本发明提供一种基于动态间隔的双重语义特征提取方法，属于计算机视觉特征识别技术领域。本发明方法动态通过调整类别间隔的损失函数来获取具有判别性的图像特征，即对特征和权重向量进行归一化，然后对损失函数动态的调整，来实现不同类别的不同的余弦间隔。该方法使得间隔设置更加合理，同时能在保留特征限制的同时，不增加神经网络模型优化的复杂度，与其他提出的损失函数相比，更加简单易于实现和准确。