[發(fā)明專利]一種圖像分類方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010154538.3
• 申請日: 2020-03-08
• 公開（公告）號: CN111310852B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計）人: 莫建文;陳瑤嘉;肖海林
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06V10/764
• 代理公司: 北京勁創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11589
• 代理人: 張鐵蘭

1.一種圖像分類方法，其特征在于，包括：

獲取第一圖像訓(xùn)練集；所述第一圖像訓(xùn)練集包括：多張第一圖像和每張所述第一圖像的類別；

利用所述第一圖像訓(xùn)練集訓(xùn)練特征提取網(wǎng)絡(luò)，得到特征提取網(wǎng)絡(luò)模型；所述特征提取網(wǎng)絡(luò)模型用于提取輸入所述特征提取網(wǎng)絡(luò)模型的圖像的圖像特征；

利用變分自編碼網(wǎng)絡(luò)對所述第一圖像進(jìn)行分解重構(gòu)，得到重構(gòu)樣本圖像；

利用所述特征提取網(wǎng)絡(luò)模型分別提取所述第一圖像的第一圖像特征和所述重構(gòu)樣本圖像的重構(gòu)圖像特征；

利用所述第一圖像、所述重構(gòu)樣本圖像、所述第一圖像特征和所述重構(gòu)圖像特征，計算重構(gòu)損失函數(shù)、KL散度損失函數(shù)和特征損失函數(shù)的加權(quán)和；

多次調(diào)整所述變分自編碼網(wǎng)絡(luò)的權(quán)重，更新所述變分自編碼網(wǎng)絡(luò)后返回“利用變分自編碼網(wǎng)絡(luò)對所述第一圖像進(jìn)行分解重構(gòu)，得到重構(gòu)樣本圖像”，并更新所述加權(quán)和，確定更新后的加權(quán)和；

比較所述加權(quán)和以及多次所述更新后的加權(quán)和，確定最小的加權(quán)和；

獲取與所述最小的加權(quán)和對應(yīng)的所述變分自編碼網(wǎng)絡(luò)的解碼網(wǎng)絡(luò)，以及第二圖像訓(xùn)練集；所述第二圖像訓(xùn)練集包括：多張第二圖像和每張所述第二圖像的類別；所述第二圖像的類別與所述第一圖像的類別不同；

利用所述解碼網(wǎng)絡(luò)隨機(jī)生成偽樣本圖像集，具體包括：

利用所述解碼網(wǎng)絡(luò)生成偽樣本圖像組；

利用所述特征提取網(wǎng)絡(luò)模型提取所述偽樣本圖像組的偽樣本圖像特征組；偽樣本圖像特征組包括所述偽樣本圖像組中每張偽樣本圖像的偽樣本圖像特征；

根據(jù)公式將屬于y類的偽樣本圖像歸類到數(shù)據(jù)組D^y中，式中D^y表示第y類的數(shù)據(jù)組，x_i表示第i張所述偽樣本圖像，F(xiàn)_i’表示第i張所述偽樣本圖像的偽樣本圖像特征，u_k表示第k類圖像的類平均特征向量，t表示所述第一圖像的類別的總數(shù)；

返回“利用所述解碼網(wǎng)絡(luò)生成偽樣本圖像組”，更新所述數(shù)據(jù)組D^y，直至所述數(shù)據(jù)組D^y中的偽樣本圖像數(shù)量為所述第一圖像訓(xùn)練集中屬于第y類的第一圖像的數(shù)量的n倍，得到所有類的初始數(shù)據(jù)組；

獲取每張所述偽樣本圖像的特征距離；所述特征距離為所述偽樣本圖像的偽樣本圖像特征與所述偽樣本圖像所屬類別的類平均特征向量之差；

將所述初始數(shù)據(jù)組中的偽樣本圖像按照所述特征距離進(jìn)行排序，得到偽樣本圖像序列；

獲取預(yù)設(shè)特征距離，將所述偽樣本圖像序列中特征距離小于所述預(yù)設(shè)特征距離的所有偽樣本圖像確定為偽樣本圖像組，所述偽樣本圖像集為所有類的偽樣本圖像組；

利用所述偽樣本圖像集和所述第二圖像訓(xùn)練集訓(xùn)練全連接神經(jīng)網(wǎng)絡(luò)模型，得到分類模型；所述分類模型用于確定輸入所述分類模型的圖像的所屬類別；

獲取待分類圖像；

將所述待分類圖像輸入所述分類模型，對所述待分類圖像進(jìn)行分類，得到所述待分類圖像的類別。

2.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，所述特征提取網(wǎng)絡(luò)模型包括2層全連接層；所述全連接層的激活函數(shù)為線性整流函數(shù)。

3.根據(jù)權(quán)利要求2所述的圖像分類方法，其特征在于，所述利用所述第一圖像、所述重構(gòu)樣本圖像、所述第一圖像特征和所述重構(gòu)圖像特征，計算重構(gòu)損失函數(shù)、KL散度損失函數(shù)和特征損失函數(shù)的加權(quán)和，具體包括：

根據(jù)公式L_R＝(x-x')²計算所述重構(gòu)損失函數(shù)L_R；

根據(jù)公式L_F＝(F_x-F_x')²計算所述特征損失函數(shù)L_F；

根據(jù)公式L_ALL＝L_R+L_KL+L_F計算所述加權(quán)和L_ALL；

上式中，x表示所述第一圖像，x’表示所述重構(gòu)樣本圖像，F(xiàn)_x表示所述第一圖像特征，F(xiàn)_x'表示所述第二圖像特征，L_KL表示所述KL散度損失函數(shù)。