[發(fā)明專利]基于直推式半監(jiān)督深度學(xué)習(xí)的多標(biāo)簽圖像分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210503639.6
• 申請(qǐng)日: 2022-05-10
• 公開(kāi)（公告）號(hào): CN114882279A
• 公開(kāi)（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 石偉偉;吳少峰;黑新宏;趙志強(qiáng);王曉帆;魯曉鋒;費(fèi)蓉
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 徐瑤

1.基于直推式半監(jiān)督深度學(xué)習(xí)的多標(biāo)簽圖像分類方法，其特征在于，包括以下步驟：

1)準(zhǔn)備多標(biāo)簽圖像訓(xùn)練樣本集，將訓(xùn)練樣本集劃分為有標(biāo)注訓(xùn)練樣本集和無(wú)標(biāo)注訓(xùn)練樣本集；

2)根據(jù)有標(biāo)注訓(xùn)練樣本集，構(gòu)建類共生關(guān)系圖；

3)根據(jù)類共生關(guān)系圖搭建網(wǎng)絡(luò)模型；

4)構(gòu)造帶置信度的互相關(guān)熵分類損失函數(shù)；

5)構(gòu)造帶置信度的分類概率約束函數(shù)；

6)構(gòu)造帶置信度的類別-特征相關(guān)性目標(biāo)函數(shù)；

7)根據(jù)帶置信度的互相關(guān)熵分類損失函數(shù)、帶置信度的分類概率約束函數(shù)和帶置信度的類別-特征相關(guān)性目標(biāo)函數(shù)，構(gòu)造總的目標(biāo)函數(shù)；

8)根據(jù)步驟7)構(gòu)造的總的目標(biāo)函數(shù)，并結(jié)合直推式半監(jiān)督學(xué)習(xí)原理，訓(xùn)練步驟3)中所搭建的網(wǎng)絡(luò)模型；

9)將待分類的多標(biāo)簽圖像輸入到步驟8)訓(xùn)練好的網(wǎng)絡(luò)模型，在分類層得到該圖像的預(yù)測(cè)類別。

2.根據(jù)權(quán)利要求1所述的基于直推式半監(jiān)督深度學(xué)習(xí)的多標(biāo)簽圖像分類方法，其特征在于，步驟2)的具體實(shí)現(xiàn)方法如下：

假定多標(biāo)簽圖像訓(xùn)練樣本集的類別標(biāo)簽為v₁,v₂,…,v_K，K表示類別總數(shù)，構(gòu)建類共生關(guān)系圖的方法是：構(gòu)建一個(gè)完全有向圖，圖中節(jié)點(diǎn)的個(gè)數(shù)為K，節(jié)點(diǎn)分別為v₁,v₂,…,v_K，即一個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)類別標(biāo)簽，有向邊＜v_i,v_j＞的權(quán)值為P(v_j|v_i)，P(v_j|v_i)表示當(dāng)類v_i出現(xiàn)時(shí)，類v_j出現(xiàn)的概率；P(v_j|v_i)的計(jì)算公式為這里#(v_i,v_j)表示有標(biāo)注訓(xùn)練樣本集中同時(shí)包含v_i和v_j兩個(gè)類別標(biāo)簽的圖像的個(gè)數(shù)，#(v_i)表示有標(biāo)注訓(xùn)練樣本集中包含類別標(biāo)簽v_i的圖像的個(gè)數(shù)。

3.根據(jù)權(quán)利要求2所述的基于直推式半監(jiān)督深度學(xué)習(xí)的多標(biāo)簽圖像分類方法，其特征在于，步驟3)的具體實(shí)現(xiàn)方法如下：

選定一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，將其倒數(shù)第二層看做是特征層，特征層前面是若干卷積層，假定特征層神經(jīng)元的數(shù)目為D，即特征向量的維數(shù)為D，深度卷積神經(jīng)網(wǎng)絡(luò)的最后一層為分類層，將分類層神經(jīng)元的數(shù)目設(shè)為K，分類層的激活函數(shù)為sigmoid激活函數(shù)；將類共生關(guān)系圖中節(jié)點(diǎn)的值設(shè)為其對(duì)應(yīng)類別標(biāo)簽的字嵌入，然后在類共生關(guān)系圖上通過(guò)兩層的圖卷積網(wǎng)絡(luò)學(xué)習(xí)出相應(yīng)的分類器參數(shù)，將分類器參數(shù)與特征層輸出的特征向量做內(nèi)積，輸出相應(yīng)類別的概率；此外，為了增強(qiáng)類別-特征相關(guān)性，還增加了兩個(gè)輔助層u、v和一個(gè)新的輸入層y，u與特征層全連接，v與新的輸入層y全連接；

采用兩層的圖卷積網(wǎng)絡(luò)來(lái)建模類共生關(guān)系圖與分類器參數(shù)之間的關(guān)系；圖卷積網(wǎng)絡(luò)第一層的輸入是類共生關(guān)系圖，類共生關(guān)系圖的每一個(gè)節(jié)點(diǎn)的值是其對(duì)應(yīng)類別標(biāo)簽的字嵌入。