[發明專利]一種層次性分類方法及裝置

在審

• 申請號: 202010310794.7
• 申請日: 2020-04-20
• 公開（公告）號: CN113536851A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 鐘榮德;鐘添德;鐘先德
• 申請（專利權）人: 廈門仁工環?？萍加邢薰?/a>
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種層次性分類方法，其特征在于，所述方法包括：

神經網絡接收輸入的圖像，并對所述圖像進行識別處理以輸出歸一化得分；其中，所述神經網絡預先已經完成訓練，輸出的所述歸一化得分為對類別的預測概率；

查找所述歸一化得分中的最大得分，并確定對應的類別；

判斷所述最大得分是否大于閾值；

當所述最大得分大于所述閾值時，輸出所述最大得分及對應的類別作為識別結果；當所述最大得分不大于所述閾值時，將所述得分分布轉換為粗類得分分布，然后循環執行查找所述歸一化得分中的最大得分，并確定對應的類別，以及判斷所述最大得分是否大于閾值的步驟，直至確定所述最大得分大于所述閾值時停止循環，輸出所述最大得分及對應的類別作為識別結果。

2.根據權利要求1所述的層次性分類方法，其特征在于，將所述得分分布轉換為粗類得分分布，具體包括：

所述神經網絡輸入作為細分類的得分分布；

輸入類別層次樹；其中，所述類別層次樹預先構建，用于存儲細類到粗類的樹形關系結構；

以當前輸入的作為細分類的所述得分分布為子節點，查詢所述類別層次樹上所有父節點，以得到對應的粗類；

計算全部粗類的得分，并進行歸一化處理；

以及輸出粗類的得分分布。

3.根據權利要求2所述的層次性分類方法，其特征在于，計算全部粗類的得分，并進行歸一化處理，具體為：

利用如下計算公式計算全部粗類的得分：

其中，m為細類數量，n為粗類數量，c為粗類編號；若c包含m_c為粗類c包含的細類數量，r_c為粗類c的平衡系數，P(c)為粗類c的得分，x為粗類c包含的細類編號，P(x)為細類得分；

對計算得到的粗類得分利用如下公式進行歸一化處理。

4.根據權利要求2所述的層次性分類方法，其特征在于，構建所述類別層次樹，具體包括：

選取部分數據集作為評估集，并輸入所述評估集；

神經網絡識別處理所述評估集以得到歸一化的輸出結果；

結合真實標簽，統計神經網絡的細分類結果，構建細類混淆矩陣；

將所述混淆矩陣中易混淆類別聚為一組，作為粗類；

對所述粗類命名、編號，以樹形數據結構保存細類和粗類的關系；

判斷保存所述粗類的節點是否到達樹的根節點；若是，則保存并輸出所述類別層次樹；否則，計算所述粗類混淆矩陣，并從將所述混淆矩陣中易混淆類別聚為一組作為粗類的步驟開始循環，直至保存所述粗類的節點達到樹的根節點時，停止循環，并輸出所述類別層次樹。

5.根據權利要求4所述的層次性分類方法，其特征在于，計算粗類混淆矩陣，具體為：

利用如下計算公式計算所述粗類混淆矩陣：

其中，m為細類數量，i、j為細類編號，x_ij為細類混淆矩陣X中第i行第j列的元素；n為粗類數量，u、v為粗類編號，c_uv為則粗類混淆矩陣C中的第u行第v列的元素，U、V分別為粗類u、v包含的細類編號的集合。

6.一種層次性分類裝置，其特征在于，所述裝置包括：

圖像處理單元，用于接收輸入的圖像，并對所述圖像進行識別處理以輸出歸一化得分；其中，所述輸出的歸一化得分為對類別的預測概率；

查找單元，用于查找所述歸一化得分中的最大得分，并確定對應的類別；

判斷單元，用于判斷所述最大得分是否大于閾值；

識別結果輸出單元，用于當所述最大得分大于所述閾值時，輸出所述最大得分及對應的類別作為識別結果；

粗類轉換單元，用于當所述最大得分不大于所述閾值時，將所述得分分布轉換為粗類得分分布，并觸發所述查找單元查找所述歸一化得分中的最大得分以確定對應的類別，以及觸發所述判斷單元對所述最大得分是否大于閾值進行判斷。