[發明專利]一種基于互聯網社交系統的圖像分類方法及裝置

有效

• 申請號: 201911036586.6
• 申請日: 2019-10-29
• 公開（公告）號: CN110796192B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 陳小軍;陳炳坤
• 申請（專利權）人: 深圳大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/40;G06V10/82;G06F16/55;G06N3/0464;G06N3/0895;G06Q50/00
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 鮑竹

本發明適用于圖像分類技術領域，提供了一種基于互聯網社交系統的圖像分類方法及裝置，方法包括：從互聯網社交系統的數據庫中獲取圖像數據，以及基于圖像數據的社交網絡信息；根據社交網絡信息構建基于圖像數據的N個關系網絡，通過多關系網絡表征學習算法或半監督網絡表征學習算法訓練N個關系網絡，獲得N個關系網絡的網絡表征向量Φ；在已分類樣本圖像中提取視覺特征I，構建神經網絡分類器，并通過網絡表征向量Φ和視覺特征I訓練神經網絡分類器，以使訓練后的神經網絡分類器對待分類圖像進行分類。通過本發明可以在圖像處理過程中有效保存圖像的社交網絡信息，從而提高在網絡環境下的圖像分類算法性能。

技術領域

本發明涉及圖像分類技術領域，尤其涉及一種基于互聯網社交系統的圖像分類方法及裝置。

背景技術

圖像分類是一個熱門的研究領域，有著巨大的商業價值，多用于輔助圖像識別技術，例如人臉識別、車牌識別、圖像檢測、圖像搜索等。目前，有不少研究人員在圖像分類方面進行了大量的研究，提出了卷積神經網絡等方法對圖像進行分類，但仍然有不少圖像難以通過視覺特征進行識別。

而隨著互聯網社交系統的出現和移動設備的廣泛使用，人們愈發傾向于把圖像上傳到在線社交網絡中，在線社交網絡或者圖像分享網站中包含了大量的圖像，如果仍然使用圖像的視覺特征對圖像進行分類，那么視覺特征的識別失敗率高將導致相當一部分圖像無法識別和分類，因此，使用圖像的視覺特征對進行圖像分類已經不適配當前的圖像數據庫，而亟需一種新的圖像分類方法以提高對在線社交網絡中圖像分類的能力。

發明內容

本發明的主要目的在于提出一種基于互聯網社交系統的圖像分類方法及裝置，以解決現有的圖像分類方法無法與互聯網社交系統的圖像數據庫適配的問題。

為實現上述目的，本發明實施例的第一方面提供了一種基于互聯網社交系統的圖像分類方法，包括：

從互聯網社交系統的數據庫中獲取圖像數據，以及基于所述圖像數據的社交網絡信息；

根據所述社交網絡信息構建基于所述圖像數據的N個關系網絡，N個所述關系網絡表示所述圖像數據中圖像之間的多種關系；

通過多關系網絡表征學習算法或半監督網絡表征學習算法訓練N個所述關系網絡，獲得N個所述關系網絡的網絡表征向量Φ；

在已分類樣本圖像中提取視覺特征I，其中所述圖像數據包括所述已分類樣本圖像；

構建神經網絡分類器，并通過所述網絡表征向量Φ和所述視覺特征I訓練所述神經網絡分類器，以使訓練后的神經網絡分類器對待分類圖像進行分類。

本發明實施例的第二方面提供了一種基于互聯網社交系統的圖像分類裝置，包括：

圖像數據獲取模塊，用于從互聯網社交系統的數據庫中獲取圖像數據，以及基于所述圖像數據的社交網絡信息；

關系網絡構建模塊，用于根據所述社交網絡信息構建基于所述圖像數據的N個關系網絡，所述關系網絡表示所述圖像數據中圖像之間的多種關系；

網絡表征向量獲取模塊，用于通過多關系網絡表征學習算法或半監督網絡表征學習算法訓練N個所述關系網絡，獲得N個所述關系網絡的網絡表征向量Φ；

視覺特征獲取模塊，用于在已分類樣本圖像中提取視覺特征I，其中所述圖像數據包括所述已分類樣本圖像；

圖像分類模塊，用于構建神經網絡分類器，并通過所述網絡表征向量Φ和所述視覺特征I訓練所述神經網絡分類器，以使訓練后的神經網絡分類器對待分類圖像進行分類。

本發明實施例的第三方面提供了一種終端設備，包括存儲器、處理器以及存儲在上述存儲器中并可在上述處理器上運行的計算機程序，上述處理器執行上述計算機程序時實現如上第一方面所提供的方法的步驟。