[發(fā)明專利]基于零樣本學習的細粒度圖像識別方法

有效

• 申請?zhí)枺?/td>: 201710470805.6
• 申請日: 2017-06-20
• 公開（公告）號: CN107480688B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設計）人: 魏杰;武繼剛;孟敏;王勇
• 申請（專利權(quán)）人: 廣東工業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

本發(fā)明公開了一種基于零樣本學習的圖像識別方法，包括：給定測試的圖像集trainX和語義集trainY；初始化降維矩陣B和D，使得trainX＝B*Zx、trainY＝D*Zy，其中B，D是根據(jù)字典學習得到的初始結(jié)果，通過奇異值分解將特征矩陣分解為一個方陣，并選擇前若干維作為字典B和D的初始化，Zx和Zy分別為降維后的低維空間中的圖像特征和語義信息；初始化映射關系矩陣W；通過線性回歸，使用隨機梯度下降法調(diào)整W矩陣使得Zx＝W*Zy；計算測試集的分類正確精度；根據(jù)分類結(jié)果差值來改進降維矩陣B和D，然后重復前述步驟，直至精度等于或高于目標精度后，輸出結(jié)果。

技術(shù)領域

本發(fā)明涉及圖像識別領域，具體涉及一種基于零樣本學習的細粒度圖像識別方法。

背景技術(shù)

隨著各種電子設備在各個領域的普及，圖像識別技術(shù)在人們的生活中已經(jīng)變得無處不在，為了在越來越多的場景利用這一技術(shù)，對其識別的精準度也要求越來越高。然而，隨著近幾年大數(shù)據(jù)和大規(guī)模數(shù)據(jù)量學習的興起，傳統(tǒng)的圖像識別技術(shù)逐漸無法滿足新的圖像識別需求，例如需要識別之前從未見過的類型的圖像，這個問題在當前的海量數(shù)據(jù)中尤為突出，因此在大規(guī)模學習的背景下提高不可見類的識別精度具有重要的意義。為了提高在未見過類型的識別率，人們提出了雙線性模型，通過非圖像的輔助信息資源建立從可見類到不可見類的聯(lián)系。在訓練過程中，將圖像的類別標簽替換為具有語義信息的嵌入向量，并將圖像特征和語義特征映射到同一低維潛層空間，通過支持向量機分類器來完成圖像的分類工作。這種方法減少了訓練好的分類器對原數(shù)據(jù)的過度依賴，實現(xiàn)了分類器的泛化性，完成了知識的遷移過程，最終提高了傳統(tǒng)算法的識別精度。

然而對這類問題，現(xiàn)有的識別技術(shù)只簡單的考慮到了不可見類的識別方法問題，并沒有考慮到需要識別的圖像樣本的自身的特點屬性。在現(xiàn)實環(huán)境中，通常會遇到細粒度的訓練樣本，即每個類別之間的相關性很高，在視覺上也有極高的相似性，通過神經(jīng)網(wǎng)絡提取出圖像的特征后，如果直接使用支持向量機直接將樣本進行分類，由于樣本特征在高維空間中高度重合，無法用之前的方法得到一個大間距分類器將樣本很好的分類，最終導致大量的圖像數(shù)據(jù)被分類器視為噪點并錯誤分類，嚴重影響對不可見類的圖片的識別精度。因此選擇合適的方法對數(shù)據(jù)進行預處理和合適的分類器對于提升不可見類的識別精度至關重要。

發(fā)明內(nèi)容

為了在大規(guī)模數(shù)據(jù)環(huán)境中提升細粒度圖像識別的精度，尤其是識別之前從未見過類別的圖像中的物體，如何在較快的時間內(nèi)識別并提高細粒度識別的精度引起了廣泛的關注。本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種針對在zero-shot環(huán)境下的細粒度圖像識別的精度不高的問題。本發(fā)明提供一種有效的泛化能力強的圖像識別方法，在部分數(shù)據(jù)類別不可見的情況下，提高在細粒度圖像數(shù)據(jù)的識別精度。

本發(fā)明出于分類的有效性考慮可采用如下方式進行設計。首先，將圖像和語義信息從實體中提出特征，得到了圖像和語義信息在特征空間的表達，對兩個特征空間分別進行字典學習映射到低維子空間，然后，通過線性回歸的方式，學習得到圖像和語義信息在低維子空間的映射關系的矩陣，將計算所得的誤差反饋給字典學習過程，用來改進特征空間到低維子空間的映射關系，從而盡量減少映射到低維子空間這一過程中所損失的特征表達，使得低維空間能更好的表達高維空間的信息。

一種基于零樣本學習的圖像識別方法，其步驟包括：

S1、給定測試的圖像集trainX和語義集trainY；

S2、初始化降維矩陣B和D，使得trainX＝B*Zx、trainY＝D*Zy，其中所述步驟S2中的初始化降維矩陣B，D是根據(jù)字典學習得到的初始結(jié)果，通過奇異值分解將特征矩陣分解為一個方陣，并選擇前若干維作為字典B和D的初始化，Zx和Zy分別為降維后的低維空間中的圖像特征和語義信息；

S3、初始化映射關系矩陣W；

S4、通過線性回歸，使用隨機梯度下降法調(diào)整W矩陣使得Zx＝W*Zy；

S5、計算測試集的分類正確精度；