[發明專利]一種基于視覺特征合成的對象識別方法

在審

• 申請號: 201710333754.2
• 申請日: 2017-05-12
• 公開（公告）號: CN107122804A
• 公開（公告）日: 2017-09-01
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及對象識別領域，尤其是涉及了一種基于視覺特征合成的對象識別方法。

背景技術

對象識別是計算機視覺領域最基礎的任務之一，也是難點問題之一。對象識別包括分類和檢測兩項任務，分類用于判斷一幅圖像是否包含某類對象，檢測則要求標出這些對象的位置和大小。按照描述的概念篩選搜集到的視覺元素，合成視覺特征，用于對象識別。對象識別是理解圖像和場景的關鍵，具有廣泛的應用前景，可用于Web圖像自動標注、海量圖像搜索、圖像內容過濾、機器人、安全監視、醫學遠程會診等多種領域。對象識別面臨很多困難，大多數常規框架，例如深層神經網絡(DNN)依靠大量的訓練樣本來構建統計模型，訓練樣本的成本太高，而且為了訓練而建立一個特定的模型不太現實，收集罕見的實例也很困難。

本發明提出了一種基于視覺特征合成的對象識別方法，先通過給定的語義屬性來合成看不見的類的視覺特征，再擴散正則化，形成整體損失函數，保留數據結構并使信息擴展到所有維度，接著通過使用交替優化獲得局部最優解，最后在獲得嵌入矩陣后從語義屬性中合成看不見類的視覺特征，應用監督分類器分類。本發明提出的零點學習框架，可以在不獲取真實圖像的情況下，對未看到的類進行視覺特征的合成；不僅擴大了分類設置，而且使得各種信息能對視覺系統進行輔助，提高了整體性能，進一步降低合成數據的成本。

發明內容

針對訓練樣本的成本太高等問題，本發明的目的在于提供一種基于視覺特征合成的對象識別方法，先通過給定的語義屬性來合成看不見的類的視覺特征，再擴散正則化，形成整體損失函數，保留數據結構并使信息擴展到所有維度，接著通過使用交替優化獲得局部最優解，最后在獲得嵌入矩陣后從語義屬性中合成看不見類的視覺特征，應用監督分類器分類。

為解決上述問題，本發明提供一種基于視覺特征合成的對象識別方法，其主要內容包括：

(一)看不見的視覺數據合成；

(二)擴散正則化；

(三)交替優化；

(四)零點識別。

其中，所述的看不見的視覺數據合成，通過給定的語義屬性來合成看不見的類的視覺特征；在訓練集f’上學習一個嵌入函數：之后，可以通過以下方式推斷

進一步地，所述的映射函數，為了合成視覺特征，最直觀的框架是學習從語義空間到視覺特征空間的映射函數：

其中，P是投影矩陣，是損失函數，Ω是其超參數λ的正則化項；

在測試之前，可以通過給定的未知實例的屬性從屬性空間合成看不見的視覺特征。

進一步地，所述的協調語義空間與視覺特征空間，引入一個輔助隱藏空間來協調語義空間與視覺特征空間，其中可以讓保留視覺和語義空間的內在數據結構信息：

其中，潛在嵌入空間從分解，從分解；和是兩個投影矩陣；Ω₁是對偶圖。

其中，所述的擴散正則化，考慮正交旋轉，即QQ^T＝I，有(I是單位矩陣)；

從等式(3)中，最佳合成數據為其中首先證明旋轉后總體差異不會改變；在旋轉之前，是集中的，即的原始總體方差Γ為旋轉Q后，有每個維度的新方差為σ′，每個維度的方差之和為Γ′；

總體方差Γ傾向于擴展到所有的學習維度，以便恢復的真實數據分布；

根據等式(6)，有在學習框架中最小化Π，找到正交旋轉：

上式表明，最小化Π相當于最大化擴散標準差的總和；

擴散標準偏差和正交旋轉之和的關系為：

其中，||·||_2,1是矩陣的l_2,1范數；根據等式(5)和(6)，可以最大化從而使Π最大化；可以將等式(3)和(5)組合，擴散正則化，形成整體損失函數；

上式將重建誤差從屬性最小化到視覺特征，同時保留數據結構并使信息擴展到所有維度。

其中，所述的交替優化，通過使用交替優化獲得局部最優解，Q＝I和P的初始化可以通過獲得。

進一步地，所述的-步驟，通過固定P和Q，可以最小化等式(7)：

其中，額外項是根據等式(4)約束的的集中式；

最小可以通過將等式(10)的偏導數設置為零得到，如上式所示。

進一步地，所述的-步驟，通過固定P和可以最小化等式(7)：

需要用等式(10)的正交約束求解Q；