[發明專利]基于判別性視覺屬性的零樣本識別方法及系統

有效

• 申請號: 202011337219.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112329884B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 謝昱銳;蔣濤;袁建英;許林
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06K9/62;G06N20/20
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 王紅霞

1.一種基于判別性視覺屬性的零樣本識別方法，其特征在于，包括以下步驟：

S1：構建稀疏編碼模型，基于原特征域樣本數據優化所述稀疏編碼模型得到視覺特征到人工定義屬性表示的原特征域變換關系；

S2：引入分類錯誤代價項構建監督字典學習目標模型，提取原特征域判別性視覺屬性集合；所述監督字典學習目標模型為：

其中，表示原特征域判別性視覺屬性集合，為視覺特征F_s在上的語義屬性表示，為中的一個子集，為分類錯誤代價項，C_s為原特征域對象類別的總數，w_i、b_i為分類錯誤代價項的參數，λ₁、λ₂為權重系數；

所述分類錯誤代價項采用支持向量機SVM hinge loss損失函數，所述分類錯誤代價項為：

w_i、b_i為分類器參數，γ為權重系數，y_i表示對應于第i個對象類別的標簽向量；

判別性視覺屬性單元中令表示第i個對象類別中對應第k個樣本數據的語義屬性表示；

S3：基于所述原特征域變換關系以及所述原特征域判別性視覺屬性集合，構建目標特征域學習模型，挖掘目標特征域判別性視覺屬性；所述目標特征域學習模型為：

其中，F_u為目標特征域樣本數據的視覺特征，D_u表示目標特征域中視覺特征空間與語義嵌入空間的變換關系，A_u為視覺特征F_u在D_u上的語義屬性表示；表示從目標特征域獲取的判別性視覺屬性集合，則表示視覺特征在視覺屬性集合上的表示系數，α,β,η為權重參數；

S4：輸入包含語義對象的待測圖像，通過深度殘差網絡提取所述待測圖像的深度視覺特征，并優化稀疏編碼目標函數，得到所述待測圖像視覺特征的語義屬性表示。

2.根據權利要求1所述的方法，其特征在于，所述步驟S1中的稀疏編碼模型為：

其中，F_s表示原特征域圖像樣本的視覺特征集合，A_s表示基于人工定義的屬性，D_s表示原特征域變換關系，d_i為對應于D_s中的第i個列向量。

3.根據權利要求1所述的方法，其特征在于，所述步驟S4中的稀疏編碼目標函數為：

其中，f表示所述待測圖像的深度視覺特征，D_u為目標特征域中視覺特征與語義屬性表示間的變換關系，y為視覺特征f基于變換矩陣D_u的語義屬性表示，參數μ為控制特征向量y稀疏性的權重系數。

4.根據權利要求1-3任一項所述的方法，其特征在于，還包括步驟：

S5：根據所述待測圖像視覺特征的語義屬性表示利用最近領域搜索算法實現所述待測圖像語義標簽的預測，完成所述待測圖像的零樣本的語義對象識別。