[發明專利]一種基于多尺度多層次融合的圖像分類方法

有效

• 申請號: 202010932190.6
• 申請日: 2020-09-08
• 公開（公告）號: CN112163599B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 萬玉釵;劉峽壁;王穆榮;鄭中樞;朱正;趙心明
• 申請（專利權）人: 北京工商大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 代麗;郭德忠

1.基于多尺度多層次融合的圖像分類方法，其特征在于，包括以下步驟：

步驟1、將待分類圖像表示為多個具有不同尺度的圖像，將不同尺度的圖像分別輸入相應的基于卷積神經網絡的尺度分類器，得到所述待分類圖像的多個尺度分類決策結果；

步驟2、將所述尺度分類器提取的視覺特征進行串接形成融合特征，將所述融合特征作為基于卷積神經網絡的特征融合分類器的輸入層；根據所述融合特征對分類識別的貢獻，確定所述特征融合分類器的全連接層的權值；所述特征融合分類器的輸出層為所述待分類圖像的特征融合分類決策結果；

步驟3、采用證據理論，根據所述尺度分類決策結果及特征融合分類決策結果計算尺度分類器及特征融合分類器的基本概率分配函數m(·)，如下式所示：

其中，acc_i表示尺度分類器或特征融合分類器i在整個數據集上的平均分類準確率；1-acc_i表示分類器的不確定性；為尺度分類器或特征融合分類器i的輸出，表示尺度分類器或特征融合分類器i將圖像j歸類為C_s類圖像的概率，n為圖像類型的總數，Θ為相互獨立的有窮集合；

根據所述基本概率分配函數計算沖突系數，當沖突系數小于設定閾值時，融合所述尺度分類決策結果及特征融合分類決策結果得到最終分類決策結果；當沖突系數大于閾值時，計算所述尺度分類器及特征融合分類器的置信度，將置信度最高的分類器的輸出作為最終分類決策結果。

2.根據權利要求1所述的方法，其特征在于，所述不同尺度的圖像包括尺寸由小到大的三個尺度的圖像。

3.根據權利要求2所述的方法，其特征在于，當以分類目標所在區域為分析對象時，所述不同尺度的圖像為圍繞目標所在區域裁剪所述待分類圖像得到的三種不同尺度的圖像塊；當以整幅圖像作為分析對象時，所述不同尺度的圖像為采用高斯金字塔方法對所述待分類圖像進行降采樣得到的三種尺度的表示。

4.根據權利要求1所述的方法，其特征在于，所述步驟2中的特征融合分類器采用遷移學習策略進行參數訓練。

5.根據權利要求1所述的方法，其特征在于，在所述步驟3中采用soft-max函數將所述尺度分類器或特征融合分類器的輸出值轉化為概率值。