[發明專利]一種訓練圖像分類模型的方法和裝置

在審

• 申請號: 201811316034.6
• 申請日: 2018-11-07
• 公開（公告）號: CN109472307A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 陳英南;商曉;胡玉鵬
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 白天明;解婷婷

1.一種訓練圖像分類模型的方法，其特征在于，所述方法包括下列步驟：

步驟一、提取所輸入的所有類別的圖像的特征；

步驟二、采用聚類算法對所提取的圖像的特征進行聚類，以生成所述所有類別的圖像的視覺碼書；其中，所述視覺碼書包括多個視覺碼字，每個視覺碼字代表相似特征的聚類中心，一個視覺碼字作為圖像的一個特征類別；

步驟三、提取所輸入的所有類別的圖像之中的第一類別的圖像的特征；

步驟四、根據歐氏距離最近鄰原則，采用所述視覺碼書對所提取的第一類別的圖像的特征進行特征包模型BOF量化，以計算出所述第一類別的圖像的各個特征在所述視覺碼書中分別出現的頻率；

步驟五、根據所述第一類別的圖像的各個特征在所述視覺碼書中分別出現的頻率，生成所述第一類別的圖像的BOF量化直方圖，作為所述第一類別的圖像的分類模型；

對所述所有類別的圖像依次執行步驟三、步驟四以及步驟五，直到生成所述所有類別的圖像的BOF量化直方圖為止。

2.根據權利要求1所述的方法，其特征在于，在所述生成所述所有類別的圖像的BOF量化直方圖的步驟之后，所述方法還包括：

當接收到第二圖像時，提取所述第二圖像的特征；

根據歐氏距離最近鄰原則采用所述視覺碼書對所述第二圖像的特征進行BOF量化，以計算出所述第二圖像的各個特征在所述視覺碼書中分別出現的頻率，作為所述第二圖像的BOF量化直方圖；

將所述第二圖像的BOF量化直方圖與所有類別的圖像的分類模型進行相似度匹配，以確定所述第二圖像的類別。

3.根據權利要求1所述的方法，其中，所述步驟四包括：

計算第一類別的圖像的每個特征與視覺碼書中的每個視覺碼字的歐式距離；

比較各個特征之中的每個特征分別與視覺碼書中的各個視覺碼字之間的歐式距離，依據歐式距離最近鄰原則選取與所述各個特征之中的第一特征距離最小的視覺碼字作為所述第一特征的特征類別匹配；

統計各個視覺碼字匹配的圖像特征的數量，并且將在視覺碼書中的直方圖統計頻率高于設定閾值的視覺碼字所匹配的特征認作第一類別的圖像的特征；

根據所述第一類別的圖像的特征，生成所述第一類別的圖像的BOF量化直方圖。

4.根據權利要求2所述的方法，其中，所述將所述第二圖像的BOF量化直方圖與所有類別的圖像的分類模型進行相似度匹配，以確定所述第二圖像的類別的步驟包括：

根據巴氏系數算法，計算所述第二圖像BOF量化直方圖與各個類別的圖像的BOF量化模型的相似度；

將所述第二圖像的類型判定為相似度最高的圖像類型。

5.一種訓練圖像分類模型的裝置，其特征在于，所述裝置包括視覺碼書生成模塊以及分類模型訓練模塊；其中，

所述視覺碼書生成模塊用于執行下列步驟：

步驟一、提取所輸入的所有類別的圖像的特征；

步驟二、采用聚類算法對所提取的圖像的特征進行聚類，以生成所述所有類別的圖像的視覺碼書；其中，所述視覺碼書包括多個視覺碼字，每個視覺碼字代表相似特征的聚類中心，一個視覺碼字作為圖像的一個特征類別；

所述分類模型訓練模塊用于執行下列步驟：

步驟三、提取所輸入的所有類別的圖像之中的第一類別的圖像的特征；

步驟四、根據歐氏距離最近鄰原則，采用所述視覺碼書對所提取的第一類別的圖像的特征進行特征包模型BOF量化，以計算出所述第一類別的圖像的各個特征在所述視覺碼書中分別出現的頻率；

步驟五、根據所述第一類別的圖像的各個特征在所述視覺碼書中分別出現的頻率，生成所述第一類別的圖像的BOF量化直方圖，作為所述第一類別的圖像的分類模型；

對所述所有類別的圖像依次執行步驟三、步驟四以及步驟五，直到生成所述所有類別的圖像的BOF量化直方圖為止。