[發明專利]一種多標簽分類方法及系統

有效

• 申請號: 201811038212.3
• 申請日: 2018-09-06
• 公開（公告）號: CN109376757B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 雷宇;董遠;白洪亮;熊風燁
• 申請（專利權）人: 蘇州飛搜科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種多標簽分類方法，其特征在于，包括：

根據待測圖像和訓練后的改進神經網絡，獲取所述待測圖像中的所有目標物體，其中，所述改進神經網絡通過將神經網絡與注意力機制結合獲得；

所述改進神經網絡包括權重網絡和特征網絡，具體地：

通過所述權重網絡獲取所述待測圖像中每一目標物體的權重值；

通過所述特征網絡，根據所述待測圖像中每一目標物體的權重值和所述待測圖像中每一目標物體的特征圖獲取所述待測圖像的注意力特征圖；

所述改進神經網絡還包括全局池化層和全連接層，具體地：

獲取所述待測圖像中每一目標物體的權重值的第一損失值；

通過所述全局池化層和所述全連接層獲取所述注意力特征圖的第二損失值；

根據所述第一損失值和所述第二損失值，獲取所述待測圖像的平均損失值。

2.根據權利要求1所述方法，其特征在于，所述通過所述權重網絡獲取所述待測圖像中每一目標物體的權重值，具體包括：

通過基網絡獲取所述待測圖像的特征圖；

根據所述待測圖像的特征圖和全局池化層，獲取所述待測圖像中每一目標物體的權重值。

3.根據權利要求2所述方法，其特征在于，根據所述待測圖像中每一目標物體的權重值和所述待測圖像中每一目標物體的特征圖獲取所述待測圖像的注意力特征圖，具體包括：

將所述待測圖像中每一目標物體的權重值與所述待測圖像的特征圖進行卷積計算，獲取所述待測圖像的注意力特征圖。

4.根據權利要求1所述方法，其特征在于，所述根據待測圖像和訓練后的改進神經網絡，獲取所述待測圖像中的所有目標物體，之前還包括：

通過訓練樣本集對所述權重網絡進行訓練；

通過所述訓練樣本集對所述特征網絡進行訓練；

通過所述訓練樣本集對所述改進神經網絡進行訓練，獲得訓練后的改進神經網絡。

5.根據權利要求4所述方法，其特征在于，具體地：

通過SGD算法對所述權重網絡、所述特征網絡和所述改進神經網絡進行訓練。

6.一種多標簽分類系統，其特征在于，包括：

分類模塊，用于根據待測圖像和訓練后的改進神經網絡，獲取所述待測圖像中的所有目標物體，其中，所述改進神經網絡通過將神經網絡與注意力機制結合獲得；

所述改進神經網絡包括權重網絡和特征網絡，具體地：

通過所述權重網絡獲取所述待測圖像中每一目標物體的權重值；

通過所述特征網絡，根據所述待測圖像中每一目標物體的權重值和所述待測圖像中每一目標物體的特征圖獲取所述待測圖像的注意力特征圖；

所述改進神經網絡還包括全局池化層和全連接層，具體地：

獲取所述待測圖像中每一目標物體的權重值的第一損失值；

通過所述全局池化層和所述全連接層獲取所述注意力特征圖的第二損失值；

根據所述第一損失值和所述第二損失值，獲取所述待測圖像的平均損失值。

7.一種電子設備，其特征在于，包括：

至少一個處理器、至少一個存儲器、通信接口和總線；其中，

所述處理器、存儲器、通信接口通過所述總線完成相互間的通信；

所述通信接口用于該電子設備與顯示裝置的通信設備之間的信息傳輸；

所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行如權利要求1-5中任一項所述的方法。

8.一種非暫態計算機可讀存儲介質，其特征在于，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行如權利要求1至5任一所述的方法。