[發明專利]多標簽圖像分類方法、裝置、設備及存儲介質在審
| 申請號: | 201810735861.2 | 申請日: | 2018-07-05 |
| 公開(公告)號: | CN109165666A | 公開(公告)日: | 2019-01-08 |
| 發明(設計)人: | 魏秀參;劉威威 | 申請(專利權)人: | 南京曠云科技有限公司;徐州曠視數據科技有限公司;北京曠視科技有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/46 |
| 代理公司: | 北京超凡志成知識產權代理事務所(普通合伙) 11371 | 代理人: | 郭新娟 |
| 地址: | 210000 江蘇省南京市*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 標簽分類 特征圖像 預測結果 標簽圖像 分類 待處理圖像 存儲介質 分類處理 降維處理 目標預測結果 圖像處理技術 分類結果 類別標簽 特征提取 | ||
1.一種多標簽圖像分類方法,其特征在于,包括:
提取待處理圖像的第一特征圖像;
對所述第一特征圖像進行第一降維處理與第一分類處理生成第一標簽分類預測結果,所述第一標簽分類預測結果用于表示每個類別標簽的第一分類結果;
對所述第一特征圖像進行特征提取,生成第二特征圖像;
對所述第二特征圖像進行第二降維處理與第二分類處理生成第二標簽分類預測結果,所述第二標簽分類預測結果用于表示所述每個類別標簽的第二分類結果;
根據所述第一標簽分類預測結果與所述第二標簽分類預測結果確定所述待處理圖像的目標預測結果。
2.根據權利要求1所述的方法,其特征在于,所述第一特征圖像的特征維度為第一維度,所述的對所述第一特征圖像進行第一降維處理與第一分類處理生成第一標簽分類預測結果,包括:
對所述第一特征圖像進行池化處理,以得到第二維度的特征向量,所述第二維度小于所述第一維度;
通過將所述第二維度的所述特征向量輸入第一全連接層進行分類處理,生成所述第一標簽分類預測結果。
3.根據權利要求2所述的方法,其特征在于,所述的對所述第一特征圖像進行池化處理,以得到第二維度的特征向量,包括:
根據最大池化函數和平均池化函數確定預設池化函數;
通過所述預設池化函數對所述第一特征圖像做池化處理,以得到所述第二維度的所述特征向量。
4.根據權利要求1所述的方法,其特征在于,所述的對所述第一特征圖像進行特征提取,生成第二特征圖像,包括:
基于預設分類的類別標簽數對所述第一特征圖像進行特征提取,生成第三維度的所述第二特征圖像,所述第三維度等于所述類別標簽數與預設常數的乘積,且所述第三維度小于所述第一特征圖像的第一維度。
5.根據權利要求4所述的方法,其特征在于,所述的對所述第二特征圖像進行第二降維處理與第二分類處理生成第二標簽分類預測結果,包括:
對所述第二特征圖像進行池化處理,以得到與所述類別標簽數相同維度的特征向量;
通過將與所述類別標簽數相同維度的所述特征向量輸入第二全連接層進行分類處理,生成所述第二標簽分類預測結果。
6.根據權利要求1所述的方法,其特征在于,所述的根據所述第一標簽分類預測結果與所述第二標簽分類預測結果確定目標預測結果,包括:
確定所述第一標簽分類預測結果與所述第二標簽分類預測結果的平均值作為所述目標預測結果。
7.根據權利要求1所述的方法,其特征在于,所述方法還包括:
基于預設規則確定所述目標預測結果的準確率。
8.根據權利要求7所述的方法,其特征在于,所述的基于預設規則確定所述目標預測結果的準確率,包括:
基于sigmoid函數與交叉熵損失函數確定所述目標預測結果對應的損失值;
根據所述損失值確定所述準確率。
9.根據權利要求8所述的方法,其特征在于,所述的基于sigmoid函數與交叉熵損失函數確定所述目標預測結果對應的損失值,包括:
根據所述sigmoid函數計算所述目標預測結果對應的第一分類值;
根據所述交叉熵損失函數計算所述第一分類值對應的所述損失值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京曠云科技有限公司;徐州曠視數據科技有限公司;北京曠視科技有限公司,未經南京曠云科技有限公司;徐州曠視數據科技有限公司;北京曠視科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810735861.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種類別分析方法及系統
- 下一篇:基于自注意力機制的腦疾病分類系統





