[發明專利]一種自主學習的圖像精細分類方法

有效

• 申請號: 201710598711.7
• 申請日: 2017-07-21
• 公開（公告）號: CN107563406B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 宣琦;肖浩泉;傅晨波;方賓偉;王金寶
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F16/953
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種自主學習的圖像精細分類方法，其特征在于：包括以下步驟：

S1：人工采集對應需求標簽的圖像數據集，保存至強標簽數據集，使用ImageNet數據集初始化卷積神經網絡CNN參數；

S2：使用強標簽數據集微調修正CNN；

S3：判斷分類網絡的優化趨勢，包括以下步驟：

S3.1：若迭代不足三次，則進入步驟S4；

S3.2：比較最近三次迭代中，末次是否是最優分類精度，是則認為網絡還在優化階段，否則認為網絡參數已經停止收斂；

S3.2：若網絡仍在優化階段，則進入步驟S4；

S3.3：若網絡參數停止收斂，則進入步驟S8；

S4：判斷網絡分類精度是否達到了要求；

S5：利用網絡爬蟲從互聯網爬取、人工采集與標簽相關的圖像數據和噪聲數據保存至弱標簽數據集；

S6：使用弱標簽數據集調整濾波器的閾值；

S7：使用調整后的濾波器篩選數據保存至強標簽數據集和噪聲數據集；

S8：保存網絡權重和濾波器參數，包含以下步驟：

S8.1：將最新的網絡參數初始化最終分類網絡；

S8.2：停止學習。

2.根據權利要求1所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S1包含以下步驟：

S1.1：根據需求列出分類名單作為標簽列表，按照標簽列表從互聯網抓取或使用相機人工采集相關的圖片，每一類保留設定數量張準確的圖片；

S1.2：使用ImageNet數據集訓練卷積神經網絡，主要為訓練網絡的卷積層參數。

3.根據權利要求1或2所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S2的處理過程為：使用強標簽數據微調訓練卷積神經網絡，主要為調整網絡的分類參數。

4.根據權利要求1或2所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S4包括以下步驟：

S4.1：判斷網絡精度是否達到了預設的精度要求；

S4.2：若是，則進入步驟S8；

S4.3：若否，則進入步驟S5。

5.根據權利要求1或2所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S5包含以下步驟：

S5.1：使用爬蟲技術從互聯網爬取與標簽相關的圖像數據，包含但不局限于Baidu、Bing、Google、Yahoo、Instagram或Flickr；

S5.2：采用數碼設備人工采集與標簽對應的圖像數據。

6.根據權利要求1或2所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S6包含以下步驟：

S6.1：統計分類網絡對弱標簽數據的分類結果，計算類間相似度；

S6.2：根據類間相似度，計算使分類誤差最小的分類閾值。

7.根據權利要求1所述的自主學習的圖像精細分類方法，其特征在于：所述步驟S7包含以下步驟：

S7.1：使用當前的分類網絡和調節后的濾波器篩選弱標簽數據集；

S7.2：分類可信的數據歸至強標簽數據集，不可信的數據歸至噪聲數據集；

S7.3：隨機挑選每類50張圖片至弱標簽數據集。