[發明專利]一種基于自編碼器的未知類別圖像標簽預測方法

有效

• 申請號: 201810314788.1
• 申請日: 2018-04-09
• 公開（公告）號: CN108564121B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 吳松松;孫廣成;王堃;荊曉遠;岳東
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/77;G06K9/62
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 范丹丹

1.一種基于自編碼器的未知類別圖像標簽預測方法，其特征在于：該方法包括以下步驟：

S1步驟：利用一已知圖像數據庫，該圖像數據庫中包括一個源域和一個目標域，且所述源域和目標域中沒有共同的類，源域的特征、屬性、標簽都是已知的，通過源域的自編碼器，學出一個源域投影矩陣；

S2步驟：在樣本標簽未知的目標域和源域同時使用自編碼器，并將源域知識遷移學習到目標域，將所述S1步驟訓練出的源域投影矩陣作為迭代算法中目標域投影矩陣的初值，通過迭代算法訓練得到目標域中未知類別樣本的屬性、未知類別樣本特征空間到屬性空間的投影矩陣；

S3步驟：在未知類別圖像標簽預測階段，利用余弦相似性將訓練出的未知類樣本屬性與未知類原型屬性進行對比，或者利用訓練得到的目標域投影矩陣，通過未知類原型得到預測的樣本特征，利用余弦相似性將訓練出的未知類樣本特征與未知類真實特征進行對比，從而預測得到未知類樣本的標簽；

在所述S1步驟中，假設D_s＝{X_s，P_s，Z_s}是帶有標簽的源域數據，{1，...，c}是已知類別數，假設D_t＝{X_t，P_t，Z_t}是標簽未知的目標域數據，{1，...，q}是未知類別數；是源域圖像特征向量，其中d是圖像的特征維度，N_s是源域的圖片數量；是目標域圖像特征向量，其中d是圖像的特征維度，N_t是目標域的圖片數量；是已知類原型屬性，是未知類原型屬性；P_i∈R^k×1是第i類的維度為k的原型屬性，Z_s和Z_t分別是c個已知類和q個未知類的標簽，并且是k維N_s幅已知類圖像的屬性矩陣，假設A_s由已知類的原型屬性構成，即同個類別的不同圖片的屬性相同，是k維N_t幅未知類圖像的屬性，假設D_s、A_s、X_t、P_t是已知的，A_t、Z_t是未知的；

模型為線性的，W_s∈R^k×d是源域的編碼投影矩陣，即將源域樣本，用W_s^T∈R^d×k表示源域解碼投影矩陣，模型如下：

第一項是解碼的損失項，解碼是將語義屬性投影到特征空間，第二項是正則化項，防止模型過度擬合，λ₁是超調參數，

對上述公式求導得：

在所述S2步驟中，利用自編碼在源域和目標域聯合學習，模型如下：

上述模型中是在源域中使用編碼器，是在目標域中使用編碼器，是假設源域投影適應目標域投影，模型中有三個未知量，分別是W_s，W_t，A_t，求解時固定W_s，W_t求A_t，具體過程如下：

固定W_s，W_t，求A_t：對公式(3)求導得

A_t＝(W_tW_t^T+λ₂I)^-1(1+λ₂)(W_tX_t) (4)

利用公式(2)的W_s值作為公式(4)中W_t的迭代初始值；

固定W_s，A_t，求W_t：對公式(3)求導得

公式(5)是Sylvester方程，令通過MATLAB計算Sylvester方程，即：

W_t＝sylvester(A，B，C) (6)

固定W_t，A_t，求W_s：對公式(3)求導得