The invention relates to a new recognition method based on deep learning category, which comprises the following steps: the prediction sample input to the network to get depth predictive output vectors; calculating the predicted output vectors, and the similarity between the vectors representing each category in the training sample values to identify the prediction samples among them, the representative vector; each category in the training samples through the training sample set is input to the depth of network to obtain the output vector set, and according to the output vector of the training sample set is calculated.
【技术实现步骤摘要】
基于深度学习的新增类别识别方法
本专利技术涉及机器学习
,特别涉及一种基于深度学习的新增类别识别方法。
技术介绍
深度学习作为一种新型的机器学习方法,由于其对与时空域关联的样本数据具有很好的识别效果,例如,图像、音频、文本等,且对样本数据平移变形等变换具有一定的鲁棒性,使得其识别精度明显优于经典的机器学习方法,因此一提出即得到广泛应用。深度学习尽管具有明显的识别精度优势,但在训练阶段的复杂度却高于SVM等经典的机器学习方法。因此,如何针对特定问题,学习得到最优网络模型,并且使该网络模型适用于普适的网络结构是一个难题。例如,传统机器学习的预测样本和训练样本,通常满足严格的独立同分布假设,并且预测样本的类别结果一定是训练样本所属类别的一种,但是,在实际的识别问题中,预测样本的类别有可能是训练样本之外的,对于这种类别增加的问题,现有的深度学习可以采用如下两种方式解决:第一种方式是参考训练样本非均衡的处理方式,在设计网络结构时,在网络的最后一层增加“新增类别”输出。但是由于没有属于新增类别的训练样本,在训练阶段生成网络模型时,对新增类别的网络参数并不能有效更新,其新增类别输出从未被激活。所以在预测阶段,属于新增类别的预测样本很难激活新增类别输出。第二种方式是采用预处理的方式,例如,属于异常检测方法的支持向量描述算法(SVDD)。在训练阶段,首先将所有现有类别的训练样本作为正常类别,其次利用这一正常类别的样本数据训练得到SVDD模型,然后使用普通的深度学习训练整个样本数据得到网络模型。在预测阶段,根据SVDD模型判断预测样本是否正常,如果预测样本被识别为异常样 ...
【技术保护点】
一种基于深度学习的新增类别识别方法,包括以下步骤:步骤1)、将预测样本输入到深度网络获得预测样本的输出向量;步骤2)、计算所述预测样本的输出向量,与训练样本中每种类别的代表向量之间的相似度值,从而识别所述预测样本的类别;其中,所述训练样本中每种类别的代表向量是通过将所述训练样本集输入到所述深度网络获得输出向量集,并根据所述训练样本的输出向量集计算得出的。
【技术特征摘要】
1.一种基于深度学习的新增类别识别方法,包括以下步骤:步骤1)、将预测样本输入到深度网络获得预测样本的输出向量;步骤2)、计算所述预测样本的输出向量,与训练样本中每种类别的代表向量之间的相似度值,从而识别所述预测样本的类别;其中,所述训练样本中每种类别的代表向量是通过将所述训练样本集输入到所述深度网络获得输出向量集,并根据所述训练样本的输出向量集计算得出的。2.根据权利要求1所述的基于深度学习的新增类别识别方法,在计算所述训练样本中每种类别的代表向量时,仅针对所述训练样本集中类别确定的训练样本进行计算。3.根据权利要求2所述的基于深度学习的新增类别识别方法,计算所述训练样本中每种类别的代表向量包括以下步骤:对所述训练样本的输出向量进行零值归一化,获得所述训练样本的归一化输出向量;利用所述训练样本的归一化输出向量计算获得输出向量的单边均值向量和单边方差向量;利用所述单边均值向量和所述单边方差向量计算获得所述训练样本的每种类别的代表向量。4.根据权利要求3所述的基于深度学习的新增类别识别方法,所述步骤1)进一步包括:对所述预测样本的输...
【专利技术属性】
技术研发人员:邢云冰,陈益强,蒋鑫龙,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。