信息处理装置和信息处理方法制造方法及图纸

公开了一种信息处理装置和信息处理方法。信息处理装置包括：分类损失计算单元，将训练集中的每个样本图像输入到至少两个特征提取部件从而获得样本图像的至少两个特征，并使分类部件基于至少两个特征来计算样本图像的分类损失；样本对抽取单元，从至少两个特征中的至少一对特征中的每对特征，抽取用于计算每对特征之间的互信息的多个样本对；信息损失计算单元，将多个样本对输入到与每对特征对应的机器学习架构，计算每对特征之间的信息损失；以及联合训练单元，以使训练集中的所有样本图像的分类损失和信息损失之和最小的方式来联合调节至少两个特征提取部件、分类部件和机器学习架构的参数，从而获得经训练的至少两个特征提取部件和分类部件。

【技术实现步骤摘要】
信息处理装置和信息处理方法
本公开涉及图像分类领域，具体涉及一种能够学习到更具有泛化性、更鲁棒的特征的信息处理装置和信息处理方法、以及能够判断训练任务的难易的信息处理装置和信息处理方法。
技术介绍
在传统的图像分类方法中，使用基于梯度的优化方式来进行训练，然而，基于梯度的优化训练方式会使提取出的特征的信息量在处理过程中减少，因此在一些场合下并不会学习图像中所有的可判别特征，而只学习那些简单的易于判别的特征，这使得训练得到的分类器的分类精度不理想。此外，在现有技术中，很难度量训练任务的难易。
技术实现思路
在下文中给出了关于本公开的简要概述，以便提供关于本公开的某些方面的基本理解。但是，应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分，也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。鉴于以上问题，本公开的目的是提供能够解决现有技术中的一个或多个缺点的信息处理装置和信息处理方法。根据本公开本文档来自技高网...

【技术保护点】
1.一种信息处理装置，包括：/n分类损失计算单元，被配置成将训练集中的每个样本图像输入到至少两个特征提取部件从而获得所述样本图像的至少两个特征，并使分类部件基于所述至少两个特征来计算所述样本图像的分类损失；/n样本对抽取单元，被配置成从所述至少两个特征中的至少一对特征中的每对特征，抽取用于计算所述每对特征之间的互信息的多个样本对；/n信息损失计算单元，被配置成将所述多个样本对输入到与所述每对特征对应的机器学习架构，计算所述每对特征之间的信息损失；以及/n联合训练单元，被配置成以使所述训练集中的所有样本图像的所述分类损失和所述信息损失之和最小的方式来联合调节所述至少两个特征提取部件、所述分类部件...

【技术特征摘要】
1.一种信息处理装置，包括：
分类损失计算单元，被配置成将训练集中的每个样本图像输入到至少两个特征提取部件从而获得所述样本图像的至少两个特征，并使分类部件基于所述至少两个特征来计算所述样本图像的分类损失；
样本对抽取单元，被配置成从所述至少两个特征中的至少一对特征中的每对特征，抽取用于计算所述每对特征之间的互信息的多个样本对；
信息损失计算单元，被配置成将所述多个样本对输入到与所述每对特征对应的机器学习架构，计算所述每对特征之间的信息损失；以及
联合训练单元，被配置成以使所述训练集中的所有样本图像的所述分类损失和所述信息损失之和最小的方式来联合调节所述至少两个特征提取部件、所述分类部件和所述机器学习架构的参数，从而获得经训练的所述至少两个特征提取部件和所述分类部件。


2.根据权利要求1所述的信息处理装置，其中，
所述样本对抽取单元被配置成将所述每对特征中的信息少的特征变换成与所述每对特征中的信息多的特征具有相同的尺寸，将从变换后的每对特征的相同位置抽取的样本对作为用于表征所述互信息大于预定阈值的正样本对以及将从不同位置抽取的样本对作为用于表征所述互信息小于或等于所述预定阈值的负样本对，以及
所述多个样本对包括多个所述正样本对和多个所述负样本对。


3.根据权利要求2所述的信息处理装置，其中，
所述样本对抽取单元被配置成通过上采样而对所述信息少的特征进行所述变换。


4.根据权利要求1所述的信息处理装置，其中，所述至少一对特征包括由所述至少两个特征提取部件中的相邻两个特征提取部件所提取的一...

【专利技术属性】
技术研发人员：沈伟，刘汝杰，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP