[發明專利]圖像分類過程的優化方法、圖像分類方法、裝置及系統

有效

• 申請號: 201710362944.7
• 申請日: 2017-05-22
• 公開（公告）號: CN108960265B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 魏溪含;申晨
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝;周達

1.一種基于神經網絡的圖像分類過程的優化方法，其特征在于，提供有包括圖像樣本的樣本集，所述圖像樣本被劃分為第一類別和第二類別；所述第一類別和所述第二類別中包括的圖像樣本不同；所述方法包括：

生成所述樣本集中的圖像樣本的表征向量；所述表征向量用于表示對應的圖像樣本；

基于所述表征向量輸出對應圖像樣本相應于所述第一類別和所述第二類別的評價信息；所述評價信息用于表示所述表征向量對應的圖像樣本被劃分至所述第一類別和所述第二類別的可能性；

在屬于所述第一類別的圖像樣本對應的表征向量中選擇一個表征向量作為基準表征向量，計算所述基準表征向量與所述第一類別中其它圖像樣本的表征向量之間的第一差異值；以及計算所述基準表征向量與所述第二類別中圖像樣本的表征向量之間的第二差異值；

根據所述第一差異值和所述第二差異值的差值，生成第一反饋值；

根據所述圖像樣本在所述樣本集中隸屬的類別以及所述評價信息得到第二反饋值；

使用所述第一反饋值和所述第二反饋值執行優化矯正過程；所述優化矯正過程指對神經網絡中各個神經元對應的權重進行修正，以使得根據修正后的權重進行數據傳遞時得到的分類結果與真實結果差距更小。

2.根據權利要求1所述的方法，其特征在于，所述樣本集中的圖像樣本根據所展示的內容進行類別劃分。

3.根據權利要求1所述的方法，其特征在于，所述評價信息包括相應于所述第一類別的第一評價值以及相應于所述第二類別的第二評價值；其中，所述第一評價值和所述第二評價值分別表示圖像樣本屬于所述第一類別和所述第二類別的可能性。

4.根據權利要求3所述的方法，其特征在于，所述第一評價值和所述第二評價值的和為1。

5.根據權利要求1所述的方法，其特征在于，生成所述樣本集中的圖像樣本的表征向量包括：

獲取由所述圖像樣本中各個像素點的像素值構成的像素值向量，并對所述像素值向量進行降維處理，以得到所述圖像樣本的表征向量。

6.根據權利要求5所述的方法，其特征在于，所述降維處理包括：

通過至少一個卷積核對所述圖像樣本進行局部卷積，以得到與各個所述卷積核相對應的局部特征，并對各個所述局部特征進行下采樣。

7.根據權利要求1所述的方法，其特征在于，所述第一差異值根據下述方式確定：

計算所述基準表征向量與所述第一類別中各個其它圖像樣本的表征向量之間的差異值；

將計算的各個差異值中的最大值作為所述第一差異值或者將計算的各個差異值的平均值作為所述第一差異值。

8.根據權利要求1所述的方法，其特征在于，所述第二差異值根據下述方式確定：

計算所述基準表征向量與所述第二類別中各個圖像樣本的表征向量之間的差異值；

將計算的各個差異值中的最小值作為所述第二差異值或者將計算的各個差異值的平均值作為所述第二差異值。

9.根據權利要求1所述的方法，其特征在于，根據所述第一差異值和所述第二差異值的差值，生成第一反饋值包括：

計算所述第一差異值和所述第二差異值之間的差值，并計算所述差值與指定常數的和；

當所述和小于或者等于零時，將零作為所述第一反饋值；當所述和大于零時，將所述和作為所述第一反饋值。

10.根據權利要求1所述的方法，其特征在于，所述第二反饋值按照下述方式確定：

根據所述表征向量表示的圖像樣本在所述樣本集中隸屬的類別，確定所述圖像樣本對應的標準分類信息；

將所述標準分類信息與所述評價信息之間的差異值作為所述第二反饋值。