[发明专利]一种自主学习的图像精细分类方法

权利要求书

1.一种自主学习的图像精细分类方法，其特征在于：包括以下步骤：

S1：人工采集对应需求标签的图像数据集，保存至强标签数据集，使用ImageNet数据集初始化卷积神经网络CNN参数；

S2：使用强标签数据集微调修正CNN；

S3：判断分类网络的优化趋势，包括以下步骤：

S3.1：若迭代不足三次，则进入步骤S4；

S3.2：比较最近三次迭代中，末次是否是最优分类精度，是则认为网络还在优化阶段，否则认为网络参数已经停止收敛；

S3.2：若网络仍在优化阶段，则进入步骤S4；

S3.3：若网络参数停止收敛，则进入步骤S8；

S4：判断网络分类精度是否达到了要求；

S5：利用网络爬虫从互联网爬取、人工采集与标签相关的图像数据和噪声数据保存至弱标签数据集；

S6：使用弱标签数据集调整滤波器的阈值；

S7：使用调整后的滤波器筛选数据保存至强标签数据集和噪声数据集；

S8：保存网络权重和滤波器参数，包含以下步骤：

S8.1：将最新的网络参数初始化最终分类网络；

S8.2：停止学习。

2.根据权利要求1所述的自主学习的图像精细分类方法，其特征在于：所述步骤S1包含以下步骤：

S1.1：根据需求列出分类名单作为标签列表，按照标签列表从互联网抓取或使用相机人工采集相关的图片，每一类保留设定数量张准确的图片；

S1.2：使用ImageNet数据集训练卷积神经网络，主要为训练网络的卷积层参数。

3.根据权利要求1或2所述的自主学习的图像精细分类方法，其特征在于：所述步骤S2的处理过程为：使用强标签数据微调训练卷积神经网络，主要为调整网络的分类参数。

4.根据权利要求1或2所述的自主学习的图像精细分类方法，其特征在于：所述步骤S4包括以下步骤：

S4.1：判断网络精度是否达到了预设的精度要求；

S4.2：若是，则进入步骤S8；

S4.3：若否，则进入步骤S5。

5.根据权利要求1或2所述的自主学习的图像精细分类方法，其特征在于：所述步骤S5包含以下步骤：

S5.1：使用爬虫技术从互联网爬取与标签相关的图像数据，包含但不局限于Baidu、Bing、Google、Yahoo、Instagram或Flickr；

S5.2：采用数码设备人工采集与标签对应的图像数据。

6.根据权利要求1或2所述的自主学习的图像精细分类方法，其特征在于：所述步骤S6包含以下步骤：

S6.1：统计分类网络对弱标签数据的分类结果，计算类间相似度；

S6.2：根据类间相似度，计算使分类误差最小的分类阈值。

7.根据权利要求1所述的自主学习的图像精细分类方法，其特征在于：所述步骤S7包含以下步骤：

S7.1：使用当前的分类网络和调节后的滤波器筛选弱标签数据集；

S7.2：分类可信的数据归至强标签数据集，不可信的数据归至噪声数据集；

S7.3：随机挑选每类50张图片至弱标签数据集。