[發明專利]基于元學習和記憶網絡的圖像分類方法及系統

有效

• 申請號: 202111040907.7
• 申請日: 2021-09-07
• 公開（公告）號: CN113505861B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 張凱;馬樂樂;丁冬睿;魏紅雷;孔妍;房體品
• 申請（專利權）人: 廣東眾聚人工智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京中和立達知識產權代理有限公司 11756
• 代理人: 楊磊

1.一種基于元學習和記憶網絡的圖像分類方法，其特征在于，包括如下步驟：

將圖像分類數據輸入深度分類學習模型中學習得到圖像原始特征表示；

設置一個記憶網絡模塊，所述記憶網絡模塊包括多個記憶塊，每一個記憶塊對應保存著相應類別的元知識；

將圖像原始特征表示分別與記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示；

將圖像最終特征表示映射到所有記憶塊上，通過softmax計算得到其在每一個記憶塊對應類別上的概率值，根據概率值的大小判斷其所屬分類；

其中，所述將圖像原始特征表示分別與記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示，具體包括如下內容：

將圖像原始特征表示分別與記憶網絡模塊進行讀寫操作，讀過程是將圖像原始特征表示分別與每一個記憶塊進行計算得到讀參數 W ^r，其具體計算方式如下：

上式中，x為原始圖片特征表示，m_i 為記憶塊M中第i個卡槽中存儲的信息，m_j為記憶塊M 中第 j個卡槽中存儲的信息；利用余弦相似度計算公式可得到兩者之間的相似度值，并對所有的相似度值利用softmax函數計算出相應的權重，從而得到讀參數 W ^r ；

然后利用讀參數 W ^r 和記憶塊獲得圖像最終特征表示；其具體計算方式如下：

。

2.根據權利要求1所述基于元學習和記憶網絡的圖像分類方法，其特征在于，在所述將圖像分類數據輸入深度分類學習模型中學習得到圖像原始特征表示之前，還需要對圖像分類數據進行預處理；所述對圖像分類數據進行預處理包括如下內容：

收集圖像分類任務的數據集；

對數據集中的圖像數據進行大小比例調整，直至所有圖像數據符合深度分類學習模型輸入的統一大小尺寸；

采用圖像處理庫獲取數據集中所有圖像數據的多通道二維表示，并將其轉化成張量表示，作為深度分類學習模型的輸入。

3.根據權利要求1所述基于元學習和記憶網絡的圖像分類方法，其特征在于，在記憶網絡模塊中增加一記憶塊，該記憶塊對應保存著的類為背景類。

4.根據權利要求1所述基于元學習和記憶網絡的圖像分類方法，其特征在于，所述將圖像原始特征表示分別與記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示；包括：

當類別數目未超過設定范圍時，將圖像原始特征表示分別與每一個記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示；

當類別數目超過設定范圍時，將圖像原始特征表示分別與部分記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示。

5.根據權利要求4所述基于元學習和記憶網絡的圖像分類方法，其特征在于，所述將圖像原始特征表示分別與部分記憶塊進行計算得到讀參數,利用讀參數從記憶塊中獲得圖像最終特征表示；包括：

將經過網絡表示學習之后的圖像原始特征表示映射到所有記憶塊上，通過softmax計算得到其在每一個記憶塊對應類別上的概率值；

取前k個概率值最大和前k個概率值最小所對應的類，將圖像原始特征表示分別與每一個所取類相對應的記憶塊進行計算得到讀參數；

利用讀參數和記憶塊獲得圖像最終特征表示。