公开(公告)号：CN119762839A

公开(公告)日：2025-04-04

申请号：CN202411659283.0

申请日：2024-11-20

Applicant: 苏州大学

Inventor： 张莉 ,  张黄凯 ,  张妍 ,  高捷 ,  王邦军 ,  赵雷

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于多层内卷字典学习网络的图像分类方法及系统，属于图像处理技术领域。包括：对获取到的图像数据集进行处理，得到处理数据集；对处理数据集的图像样本进行特征提取,得到每个图像样本的特征样本；将每个特征样本用子字典线性表示，获得字典矩阵；根据字典矩阵构建优化数学模型，通过求解优化数学模型得到表示系数矩阵；根据特征样本、字典矩阵和表示系数矩阵计算每类通道子字典的残差值，根据残差值预测图像样本的标签，进而实现图像分类。本发明解决了由非端到端架构引发的信息丢失问题，并针对未充分考虑类别间特异性差异所引发的分类性能不足进行了优化。

公开(公告)号：CN116740403B

公开(公告)日：2024-09-06

申请号：CN202211644751.8

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 张莉 ,  张黄凯 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/764 ,  G06V10/772 ,  G06V10/774

Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。

公开(公告)号：CN116740403A

公开(公告)日：2023-09-12

申请号：CN202211644751.8

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 张莉 ,  张黄凯 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/764 ,  G06V10/772 ,  G06V10/774

Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。