[發(fā)明專利]一種使用分區(qū)決策機制提高圖像分類準確率的方法

在審

• 申請?zhí)枺?/td>: 202210406278.3
• 申請日: 2022-04-18
• 公開（公告）號: CN114743055A
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計）人: 唐永翔;金福生;袁野;王國仁;馬波
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京慕達星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

本發(fā)明公開了一種使用分區(qū)決策機制提高圖像分類準確率的方法，基于集成學(xué)習(xí)思想，使用分區(qū)決策機制，讓模型針對圖像不同區(qū)域進行識別，將多個識別結(jié)果匯總，進而推斷出整張圖像所屬類別，提供了一種能夠穩(wěn)定、可靠地提高圖像分類準確率的模型改進方法，且模型訓(xùn)練流程簡單，提高卷積神經(jīng)網(wǎng)絡(luò)模型進行圖像分類時的準確率，同時不為訓(xùn)練帶來過大的額外運算開銷。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能計算機視覺圖像識別技術(shù)領(lǐng)域，更具體的說是涉及一種使用分區(qū)決策機制提高圖像分類準確率的方法。

背景技術(shù)

圖像識別，是指利用計算機等設(shè)備對圖像進行處理和分析，提取圖像特征，并完成分類、目標檢測、匹配等任務(wù)。圖像識別是計算機視覺領(lǐng)域的重要研究方向，隨著近些年人工智能技術(shù)的發(fā)展，涌現(xiàn)出了越來越多的方法和應(yīng)用成果。圖像分類是圖像識別領(lǐng)域重要的子任務(wù)，許多計算機視覺工作都要在圖像分類的基礎(chǔ)上展開，例如目標檢測任務(wù)的一個核心問題就是如何正確識別檢測框中的子圖的類別。目前，解決圖像分類問題最常用的是深度學(xué)習(xí)方法，通過構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)，使用梯度下降的優(yōu)化方法，讓模型在訓(xùn)練中自動學(xué)習(xí)抽取圖像特征的方法，完成圖像分類。但是目前許多主流的卷積神經(jīng)網(wǎng)絡(luò)改進方法都存在以下問題：

1)改進效果不穩(wěn)定。在不同的數(shù)據(jù)集和應(yīng)用場景中，改進方法對模型準確率的提高效果難以保證，甚至可能出現(xiàn)低于原始模型準確率的情況；

2)可移植性差。多數(shù)改進方法之間是互斥的，無法同時采用，由此導(dǎo)致一項研究的有效性常常建立在對其他研究的否定上；

3)可解釋性差。許多改進方法本質(zhì)上是依賴于算力和數(shù)據(jù)規(guī)模的堆砌，改進效果難以得到合理解釋，且可能導(dǎo)致系統(tǒng)運行代價的增高。

集成學(xué)習(xí)是一種能夠有效克服上述問題的模型改進思想，它通過訓(xùn)練多個模型，或?qū)蝹€模型進行多次基于不同數(shù)據(jù)的訓(xùn)練，利用概率論原理，降低模型簡單地單次識別時的錯誤概率，達到提高模型準確率的效果。基于一些簡單的概率論原理相關(guān)計算，集成學(xué)習(xí)對模型準確率的提升效果是容易證明的，且能夠穩(wěn)定、良好地適用于絕大多數(shù)場景。

因此，如何提升圖像識別模型的準確率，且不增加額外的運算開銷是本領(lǐng)域技術(shù)人員亟需解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種使用分區(qū)決策機制提高圖像分類準確率的方法，基于集成學(xué)習(xí)思想，使用分區(qū)決策機制，讓模型針對圖像不同區(qū)域進行識別，將多個識別結(jié)果匯總，進而推斷出整張圖像所屬類別，提供了一種能夠穩(wěn)定、可靠地提高圖像分類準確率的模型改進方法，且模型訓(xùn)練流程簡單，提高卷積神經(jīng)網(wǎng)絡(luò)模型進行圖像分類時的準確率，同時不為訓(xùn)練帶來過大的額外運算開銷。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種使用分區(qū)決策機制提高圖像分類準確率的方法，包括以下步驟：

步驟1：收集大量針對目標應(yīng)用場景的圖像數(shù)據(jù)，為這些圖像人工標注類別標簽，或直接使用相關(guān)的公開數(shù)據(jù)集，將其組織成原始圖像數(shù)據(jù)集，并劃分為訓(xùn)練集和測試集；

步驟2：對步驟1中所得的原始圖像數(shù)據(jù)集中的圖像進行分區(qū)裁剪，生成裁剪后的子圖數(shù)據(jù)集；

其中，對于分區(qū)裁剪算法，針對數(shù)據(jù)集中的不同圖像，既可以全部按照相同的裁剪方案進行裁剪，也可以根據(jù)每張圖像形狀、尺寸的差異分別采用不同的裁剪方案裁剪為統(tǒng)一尺寸；該子圖數(shù)據(jù)集將代替原始圖像數(shù)據(jù)集，參與卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

步驟3：構(gòu)造數(shù)據(jù)集讀取器，并對數(shù)據(jù)集讀取器從所述子圖數(shù)據(jù)集中分批選取出的若干子圖像進行數(shù)據(jù)預(yù)處理，獲得訓(xùn)練圖像；

數(shù)據(jù)集讀取器用于控制每批次訓(xùn)練時從數(shù)據(jù)集中讀取數(shù)據(jù)的流程，包括選取多少張圖像、選取算法、如何對圖像進行預(yù)處理、如何獲取圖像真實標簽等，其中，針對步驟2中所得的子圖數(shù)據(jù)集，選取算法可以分為隨機選取子圖、順序選取來自同一張圖像中的子圖，或兩者相結(jié)合等方式實現(xiàn)；而數(shù)據(jù)預(yù)處理流程包括各種數(shù)據(jù)增廣、標準化方法等；