[發明專利]一種基于增量學習的垃圾圖像細粒度分類方法

在審

• 申請號: 202010198397.5
• 申請日: 2020-03-19
• 公開（公告）號: CN111488917A
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 曾明;許文康;李祺;王湘暉
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06N3/04
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于增量學習的垃圾圖像細粒度分類方法，包括下列步驟：

第一步，構建新舊類別垃圾圖像數據庫：挑選多類垃圾圖像作為舊類別數據集，剩余少類垃圾圖像作為新類別數據集，其中，舊類別數據集用于訓練特征提取網絡，新類別數據集用于增量學習測試。

第二步，分別訓練深度卷積特征提取網絡和增量分類器：首先，利用第一步中挑選的舊類別垃圾圖像數據集訓練基于resnet18的深度卷積神經網絡，稱之為resnet18網絡；然后，將訓練好的resnet18網絡去掉全連接層作為增量學習的深度卷積特征提取網絡；最后，利用深度卷積特征提取網絡提取舊類別垃圾圖像的深度卷積特征，作為增量SVM分類器的負類樣本數據集，利用深度卷積特征提取網絡提取新增類別垃圾圖像的深度卷積特征，作為增量SVM分類器的正類樣本數據集，并訓練增量SVM分類器；

第三步，建立分類增量學習模型：首先，將待測的垃圾圖像經過深度卷積特征提取網絡處理；然后，將獲取的卷積特征分別輸入到增量SVM分類器和舊類別判斷的全連接層，分別得到屬于新舊類別預測概率；最后，基于SVM新類別概率預測和卷積神經網絡舊類別概率預測，識別待測圖像的垃圾類別。

2.根據權利要求1所述的方法，其特征在于，第二步的方法如下：

(1)訓練深度卷積特征提取網絡：利用第一步中挑選的舊類別垃圾圖像數據集，訓練基于resnet18的深度卷積神經網絡；去掉最后的全連接層，保留resnet18網絡前面17個卷積層作為增量學習網絡的深度卷積特征提取網絡；

(2)訓練增量SVM分類器：首先，利用訓練好的深度卷積特征提取網絡提取舊類別垃圾圖像的深度卷積特征，作為增量SVM分類器的負類樣本數據集；利用深度卷積特征提取網絡提取舊類別垃圾圖像的深度卷積特征，作為增量SVM分類器的正類樣本數據集；以dict結構存儲每一類別對應的深度卷積特征，經L2歸一化后得到增量SVM分類器的正負類樣本數據集；依據正負類樣本數據集訓練一對多新增類別SVM分類器；最后，通過網格搜索方法優化SVM參數，得到訓練好的多個新類別SVM分類器，從而得到增量SVM分類器。