[发明专利]一种基于区域敏感得分图谱及多实例学习的图片属性探测方法

权利要求书

1.一种基于区域敏感得分图谱及多实例学习的图片属性探测方法，其特征在于包括以下步骤：

步骤一：将原始图片输入到卷积神经网络得到RSSM特征图谱，得到的RSSM特征图谱为k²×1000个10×10的特征图谱；

步骤二：通过区域敏感得分图谱的组合方式将每k²幅RSSM特征图谱组合为一幅MIL特征图谱，MIL特征图谱为1000×10×10尺寸的特征图谱；

步骤三：将MIL特征图谱输入到多实例学习网络得到图片的属性概率向量，属性概率向量尺寸为1000×1；

步骤四：通过设置阈值对1000维的属性概率向量进行处理，大于阈值的所有属性被认为是图片所具有的属性。

2.权利要求1所述的卷积神经网络应该包括但不限于AlexNet、CaffeNet、GoogleNet、VGG16、VGG19等常用的卷积神经网络结构，这里只采用了其前半部分的卷积层和池化层等，不包括后面的全连接层，为使其输出特征图谱尺寸为k²×1000×10×10，需要对网络参数做相应的修改。

3.权利要求1和2所述的k为大于1的整数，通常k取值为2或3。

4.权利要求1和2所述的RSSM为区域敏感得分图谱(Region-sensitive Score Maps),其实质是将k²幅特征图谱通过特定的组合方式组合为一幅新的特征图谱，在特征图谱大小不变的情况下，RSSM能够更加细致的对图片局部进行处理，可以一定程度上抵消特征图谱尺寸过小带来的不利影响，作为多实例学习网络的输入能达到更好的属性探测效果。

5.权利要求4所示的阈值通常设置为经验值0.5，经过测试该阈值能够达到一个比较好的图片属性探测效果。