[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

本發明公開了一種基于元學習和記憶網絡的圖像分類方法及系統，首先學習得到圖像原始特征表示；設置一個記憶網絡模塊，記憶網絡模塊中的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，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。本發明通過設計與類別一一對應的記憶塊并構成記憶網絡模塊，每一個記憶塊對應相應類別的元知識，同時通過共享記憶塊的模式，學習類別間的元知識信息，從而當同類圖像對其操作時起到輔助作用的同時抑制其他類圖像在該類上的表現，實現更好的預測。

技術領域

本發明涉及圖像識別分類技術領域，尤其是涉及一種基于元學習和記憶網絡的圖像分類方法及系統。

背景技術

伴隨著大數據時代和高性能計算資源技術的到來和提升，深度學習已經將人工智能的發展推進了一個新的階段，由于深度學習在各個領域取得的優秀成就，目前基于深度學習的算法已成為人工智能領域研究的主流方法，計算機視覺方向研究是人工智能研究中的重要組成部分之一。其中圖片作為一種常見的視覺媒介，充斥在互聯網時代的各個角落，它憑借其簡單，清晰的特點，在信息傳遞過程中發揮著重要作用。尤其隨著web時代的普及，圖片信息已經呈爆炸性增長。如果能夠充分利用好這些信息，無疑對生產生活都有極大的便利之處。目前圖像研究方向中，圖片分類是主要研究方向之一，其有著廣泛的應用場景，如物種識別，種類識別，人臉識別以及醫學領域的一些應用等。這將會在一些工作場景中大大減輕人工工作量，減少人類的主觀誤差，大大提升工作效率。

目前圖像分類的方法，大多基于深度學習模型，其中包括典型的VGG網絡，GoogLeNet以及ResNet，由于圖像是一個空間信息，因此這些模型都是基于ConvolutionalNeural Network（CNN）網絡搭建實現的。然而值得注意的是，傳統的圖像分類在對某一圖像進行分類往往只關注于圖片本身的特征（這里不包括多模態，如加入文本信息，以及加入其他額外的信息，而是特指當信息只有圖片本身時），卻很少關注于任務本身所持有的一些元信息。根據現實場景顯而易見，同一類圖片是有很大的共性知識，以最普通的物種分類為例，當數據包含貓和狗兩類圖片時，同屬于貓的圖片一定在某些地方有著其相同的地方。而傳統的方法中往往忽視了這一點，或者沒有很好地利用這一特性，這就導致同一類圖片之間沒有直接共享信息，而只是通過間接的方式共享。這種方法帶來的弊端包括：一是模型收斂較慢，需要花費更長的時間來訓練網絡，這無疑增加了計算代價；二是在一定程度上降低了模型的性能，使得模型的性能沒有實現最大化。

發明內容

本發明的目的在于克服上述技術不足，提出一種基于元學習和記憶網絡的圖像分類方法及系統，其能實現當同類圖像對其操作時起到輔助作用的同時抑制其他類圖像在該類上的表現的有益效果。

為達到上述技術目的，本發明的技術方案第一方面提供一種基于元學習和記憶網絡的圖像分類方法，其包括如下步驟：

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。

本發明第二方面提供一種基于元學習和記憶網絡的圖像分類系統，其包括如下功能模塊：

圖像學習模塊，用于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；

記憶網絡設置模塊，用于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；