[發(fā)明專(zhuān)利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像像素分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710025737.2
• 申請(qǐng)日: 2017-01-13
• 公開(kāi)（公告）號(hào): CN106651887A
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 夏春秋
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市唯特視科技有限公司
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像像素分類(lèi)方法，其特征在于，主要包括數(shù)據(jù)輸入(一)；預(yù)處理(二)；核心抽樣(三)；像素預(yù)測(cè)(四)；輸出結(jié)果(五)。

2.基于權(quán)利要求書(shū)1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像像素分類(lèi)方法，其特征在于，包括核心抽樣框架，創(chuàng)建一個(gè)表示，結(jié)合來(lái)自測(cè)試數(shù)據(jù)的特征和從預(yù)訓(xùn)練網(wǎng)絡(luò)的響應(yīng)中獲得的上下文知識(shí)，處理它并將其反饋到單獨(dú)的深度置信網(wǎng)絡(luò)；使用這種表示法從圖像中在像素級(jí)上提取更多的信息，從而獲得對(duì)整個(gè)圖像的理解；使用這些映射響應(yīng)，它從幾個(gè)作為特征的層到另一個(gè)神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移學(xué)習(xí)提供對(duì)輸入圖像的理解。

3.基于權(quán)利要求書(shū)1所述的數(shù)據(jù)輸入(一)，其特征在于，采用由40個(gè)易于識(shí)別的動(dòng)物對(duì)象類(lèi)的圖片組成的動(dòng)物數(shù)據(jù)集，這40個(gè)對(duì)象類(lèi)包含狗、貓、貓頭鷹、海豹等；該數(shù)據(jù)集中的圖像是單通道圖像且大小不一致。

4.基于權(quán)利要求書(shū)1所述的預(yù)處理(二)，其特征在于，在地面真實(shí)圖像集中較小的圖片周?chē)砑犹畛洌顾休斎雸D像的大小都為224×224；在提取映射響應(yīng)之前，從該數(shù)據(jù)集較大的圖像中，通過(guò)使用224×224大小的滑動(dòng)窗口和更小的步幅大小來(lái)創(chuàng)建同樣大小的圖片；通過(guò)改變對(duì)比度生成更多訓(xùn)練數(shù)據(jù)，單獨(dú)地歸一化用作特征的映射響應(yīng)，并且在測(cè)試期間將相同的歸一化參數(shù)用于相應(yīng)的特征。

5.基于權(quán)利要求書(shū)4所述的映射響應(yīng)，其特征在于，將圖像輸入VGG-16模型后得到的來(lái)自卷積神經(jīng)網(wǎng)絡(luò)各層的響應(yīng)，代表該圖像各像素點(diǎn)的特征，可以被視為在圖像不同位置處觀看到圖像的金字塔形狀的不同水平；神經(jīng)網(wǎng)絡(luò)的第一層學(xué)習(xí)與Gabor特征或顏色塊相似的特征，更深層的映射響應(yīng)提取到越來(lái)越多的抽象特征，用于區(qū)分對(duì)象和對(duì)象的部分信息，同時(shí)失去空間和局部信息。

6.基于權(quán)利要求書(shū)1所述的核心抽樣(三)，其特征在于，使用預(yù)訓(xùn)練模型提取映射時(shí)，首先從R，G和B值中減去常數(shù)來(lái)對(duì)圖像進(jìn)行歸一化，接著從網(wǎng)絡(luò)的每個(gè)層獲取圖像的映射響應(yīng)，最后使用雙線(xiàn)性插值法獲得皮層柱；定義輸入圖像的每一個(gè)像素對(duì)應(yīng)的皮層柱的集合為一個(gè)核心，從該核心隨機(jī)抽取樣本作為深度置信網(wǎng)絡(luò)的輸入。

7.基于權(quán)利要求書(shū)6所述的皮層柱，其特征在于，在測(cè)試階段期間，將圖像疊加在一起并調(diào)整為統(tǒng)一大小后輸入到VGG-16模型，對(duì)應(yīng)每個(gè)像素的中間映射形成皮層柱；對(duì)應(yīng)輸入圖像上的一個(gè)像素的皮層柱是一個(gè)有k列的向量，其中k是在VGG-16模型的中間映射的數(shù)量，向量的每一個(gè)成分都是一個(gè)映射；皮層柱不保留組成映射之間的任何空間相關(guān)性，是深度置信網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。

8.基于權(quán)利要求書(shū)1所述的像素預(yù)測(cè)(四)，其特征在于，將核心抽樣后得到的核心樣本反饋到深度置信網(wǎng)絡(luò)中，根據(jù)當(dāng)前的任務(wù)，使用兩種不同類(lèi)型的輸出層：執(zhí)行線(xiàn)性回歸并使用均方誤差作為損失函數(shù)的回歸層，以及可以使用負(fù)對(duì)數(shù)似然作為損失函數(shù)來(lái)對(duì)像素進(jìn)行分類(lèi)的logistic回歸層。