[發(fā)明專利]一種圖像分類系統(tǒng)、違章工具識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202110945015.5
• 申請日: 2021-08-17
• 公開（公告）號: CN113592031A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 張屹;張國梁;杜澤旭;盧衛(wèi)疆;趙婷
• 申請（專利權(quán)）人: 全球能源互聯(lián)網(wǎng)研究院有限公司;國網(wǎng)山東省電力公司棗莊供電公司;國家電網(wǎng)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 李博洋

本發(fā)明提供了一種圖像分類系統(tǒng)、違章工具識別方法及裝置，其中圖像分類系統(tǒng)包括：層次特征提取模塊、層次生成模型、層次分類模塊，層次生成模型中包括至少一層生成模塊，層次特征提取模塊用于根據(jù)目標(biāo)圖像提取圖像特征；若生成模塊不是層次生成模型中的第一層生成模塊，用于根據(jù)圖像特征確定當(dāng)前層生成特征，將上一層生成模塊輸出的上層人工特征作為基礎(chǔ)值，將當(dāng)前層生成特征作為偏移量，形成當(dāng)前層人工特征；層次分類模塊用于根據(jù)當(dāng)前層人工特征輸出圖像分類結(jié)果。生成模塊以上一層生成模塊輸出的上層人工特征作為基礎(chǔ)值減小了當(dāng)前生成模塊計(jì)算得到的當(dāng)前層人工特征的領(lǐng)域漂移，從而使得最終得到的分類結(jié)果更準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像分類技術(shù)領(lǐng)域，具體涉及一種圖像分類系統(tǒng)、違章工具識別方法及裝置。

背景技術(shù)

對于訓(xùn)練傳統(tǒng)圖像分類算法，例如深度卷積神經(jīng)網(wǎng)絡(luò)等，需要大量有標(biāo)簽的圖像數(shù)據(jù)，當(dāng)出現(xiàn)新的類別時(shí)會導(dǎo)致識別精度下降。針對這一問題，國內(nèi)外專家學(xué)家提出了許多零樣本分類方法。零樣本分類場景下，訓(xùn)練集中的類別被稱為已知類別，測試集中的為未知類別，且兩個類別集合不重合。訓(xùn)練集僅有已知類別的圖像數(shù)據(jù)。目前零樣本分類方法主要分為三類，分別是基于嵌入的方法、基于生成模型的方法以及基于知識圖譜的方法。基于嵌入的方法致力于學(xué)習(xí)一個映射函數(shù)將輔助信息(例如屬性向量、詞向量)與視覺特征映射到公共空間中，測試時(shí)將測試圖像特征映射后尋找舉例最近的標(biāo)簽最為分類結(jié)果。此方法容易導(dǎo)致“樞紐點(diǎn)”問題，針對該問題，零樣本分類領(lǐng)域引入生成模型，利用輔助信息，為未知類別生成人工特征解決數(shù)據(jù)不均衡問題，但是，現(xiàn)有的基于生成模型的方法利用單一網(wǎng)絡(luò)一步到位地為未知類別生成人工特征，這種方法會導(dǎo)致領(lǐng)域漂移問題，從而使得最終分類結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容

因此，本發(fā)明要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中的基于生成模型計(jì)算得到的分類結(jié)果不準(zhǔn)確的缺陷，從而提供一種圖像分類系統(tǒng)、違章工具識別方法及裝置。

本發(fā)明第一方面提供了一種圖像分類系統(tǒng)，包括：層次特征提取模塊、層次生成模型、層次分類模塊，層次生成模型中包括至少一層生成模塊，層次特征提取模塊用于根據(jù)目標(biāo)圖像提取圖像特征，并向生成模塊傳輸圖像特征；若生成模塊不是層次生成模型中的第一層生成模塊，生成模塊用于根據(jù)圖像特征確定當(dāng)前層生成特征，將上一層生成模塊輸出的上層人工特征作為基礎(chǔ)值，將當(dāng)前層生成特征作為偏移量，形成當(dāng)前層人工特征，向?qū)哟畏诸惸Ｐ蛡鬏敭?dāng)前層人工特征；層次分類模塊用于根據(jù)當(dāng)前層人工特征輸出圖像分類結(jié)果。

可選地，在本發(fā)明提供的圖像分類系統(tǒng)中，層次分類模塊中包括至少一層分類器，分類器與生成模塊一一對應(yīng)，生成模塊向?qū)哟畏诸惸K中與生成模塊對應(yīng)的分類器傳輸當(dāng)前層人工特征；若分類器不是層次分類模塊中的第一層分類器，分類器用于根據(jù)當(dāng)前層人工特征得到當(dāng)前層分類結(jié)果，根據(jù)當(dāng)前層分類結(jié)果和上一層分類器得到的上層分類結(jié)果得到圖像分類結(jié)果。

可選地，在本發(fā)明提供的圖像分類系統(tǒng)中，分類器包括多個節(jié)點(diǎn)集合，每個節(jié)點(diǎn)集合中包括至少一個節(jié)點(diǎn)，各節(jié)點(diǎn)分別表征不同的圖像分類選項(xiàng)；分類器的節(jié)點(diǎn)集合與上一層分類器的節(jié)點(diǎn)一一對應(yīng)，節(jié)點(diǎn)集合中的節(jié)點(diǎn)為與節(jié)點(diǎn)集合相對應(yīng)的上一層分類器的節(jié)點(diǎn)的子節(jié)點(diǎn)。

可選地，在本發(fā)明提供的圖像分類系統(tǒng)中，層次特征提取模塊中包括基礎(chǔ)特征提取網(wǎng)絡(luò)和至少一層分支網(wǎng)絡(luò)，分支網(wǎng)絡(luò)與生成模塊一一對應(yīng)，基礎(chǔ)特征提取網(wǎng)絡(luò)用于根據(jù)目標(biāo)圖像提取基礎(chǔ)特征集，并向分支網(wǎng)絡(luò)傳輸基礎(chǔ)特征集；若分支網(wǎng)絡(luò)不是層次特征提取模塊中的第一層分支網(wǎng)絡(luò)，分支網(wǎng)絡(luò)用于獲取上一層分類器得到的上層分類結(jié)果，根據(jù)上層分類結(jié)果計(jì)算基礎(chǔ)特征集中各特征的權(quán)重，根據(jù)基礎(chǔ)特征集和各特征的權(quán)重計(jì)算當(dāng)前層特征，將當(dāng)前層特征作為圖像特征，向與分支網(wǎng)絡(luò)對應(yīng)的生成模塊傳輸圖像特征。

可選地，在本發(fā)明提供的圖像分類系統(tǒng)中，層次生成模型中生成模塊的層級數(shù)量通過與目標(biāo)圖像對應(yīng)的數(shù)據(jù)集分類學(xué)結(jié)構(gòu)的層級數(shù)量確定。