公开(公告)号：CN111046900B

公开(公告)日：2022-10-18

申请号：CN201911023691.6

申请日：2019-10-25

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  余新弦 ,  彭德光 ,  李洁 ,  徐瑾 ,  郝博慧 ,  钟冰 ,  邹密 ,  李锐

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于局部流形正则化的半监督生成对抗网络图像分类方法，该方法将局部流形正则化引入半监督生成对抗网络。该方法基于生成对抗网络对数据流形优秀的拟合能力，引入局部流形正则化，可以很好地解决判别器过度训练问题。通过在判别器和生成器的损失函数中加入流形正则化项，以对数据流形的突变进行惩罚，能够防止模型陷入局部崩溃，增强模型对数据流形的局部扰动保持不变性，使模型具有更好的鲁棒性。结合局部流形正则化的半监督生成对抗网络图像分类方法在半监督图像分类问题上可显著提高图像分类的准确率。

公开(公告)号：CN111046900A

公开(公告)日：2020-04-21

申请号：CN201911023691.6

申请日：2019-10-25

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  余新弦 ,  彭德光 ,  李洁 ,  徐瑾 ,  郝博慧 ,  钟冰 ,  邹密 ,  李锐

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于局部流形正则化的半监督生成对抗网络图像分类方法，该方法将局部流形正则化引入半监督生成对抗网络。该方法基于生成对抗网络对数据流形优秀的拟合能力，引入局部流形正则化，可以很好地解决判别器过度训练问题。通过在判别器和生成器的损失函数中加入流形正则化项，以对数据流形的突变进行惩罚，能够防止模型陷入局部崩溃，增强模型对数据流形的局部扰动保持不变性，使模型具有更好的鲁棒性。结合局部流形正则化的半监督生成对抗网络图像分类方法在半监督图像分类问题上可显著提高图像分类的准确率。

公开(公告)号：CN110929798A

公开(公告)日：2020-03-27

申请号：CN201911197205.2

申请日：2019-11-29

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  徐瑾 ,  李洁 ,  代宇艳 ,  陈瑛洁 ,  余新弦 ,  孔德松

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

Abstract: 本发明请求保护一种基于结构优化稀疏卷积神经网络的图像分类方法及介质。针对卷积神经网络的卷积层对其输入特征图通道的连接结构，利用遗传算法对其进行稀疏化，并使用稀疏化之后的卷积模型进行图像分类。首先预训练一个卷积模型并保存预训练权重；然后，根据除模型输入层以外的某个卷积层对其输入特征通道的连接进行二进制编码，生成若干个二进制序列，作为初始种群；接着，利用遗传算法对二进制编码进行选择、交叉和变异；最后，经过若干次迭代后，将获得的最优二进制序列，并进行解码，得到稀疏化的特征通道连接结构，并通过权重微调来恢复模型的分类准确率。