[发明专利]一种基于迁移学习的多标签场景图像分类方法及装置

说明书

本发明公开了一种基于迁移学习的多标签场景图像分类方法及装置，对待识别场景图像进行归一化处理和降冗处理，得到中间图像；将中间图像输入基于深度迁移学习的神经网络模型，并输出待识别场景图像的多个场景分类标签；其中，基于深度迁移学习的神经网络模型包括由卷积神经网络Inception‑V3模型中的卷积层和池化层组成的特征提取器，以及训练好的场景图像分类器；本发明基于已经训练好的卷积神经网络Inception‑V3模型，修改其全连接层以满足多标签分类输出要求，在训练全连接层时只需要Inception‑V3模型输出的图像的有意义且紧凑的摘要，它包含足够的图像特征信息，且数据较少，减少了训练需要的分类数据图像，且降低了模型训练时间。

【技术领域】

本发明属于图像分类技术领域，尤其涉及一种基于迁移学习的多标签场景图像分类方法及装置。

【背景技术】

图像中的实体对象一般可以与语义层面的含义相关联，其中的区域可以用如蓝天、树木、湖泊等语义表示，这些含有特定语义内容的图像被称为场景图像。场景分类作为图像分类领域的一种特殊情况，由于图像往往包含复杂多样的语义信息，以图像对应的语义标签类别为基准，通常并不是只由一个标签来描述，因此非常有必要考虑多标签描述的情况。多标签场景分类是多标签分类在图像识别中的一种扩展应用。

场景图像分类问题的解决思路一般分为两种：一种是通过肉眼的观察实现人工标注，另一种是通过计算机辅助其他相关技术实现智能分类。显然后者更具优势，人工标注首先有着极大的人力物力需求，同时由于难以实现后验，因此错误的发生具有随机性和不可预测性。

近年来，基于深度学习实现场景图像分类优势明显，该方法能够提取出场景图像的高层次特征，表征出场景间的细微差别。但是，为了保证分类的实现效果，需要训练数据图像和待分类数据图像具有相同的输入特征空间和相同的数据分布，而且，训练一个性能优异的分类模型进行图像分类，不仅需要大量计算资源还需要很长的时间。

【发明内容】

本发明的目的是提供一种基于迁移学习的多标签场景图像分类方法及装置，以通过少量的分类数据图像及模型训练时间实现图像的多标签场景分类，

本发明采用以下技术方案：一种基于迁移学习的多标签场景图像分类方法，包括：

对待识别场景图像进行归一化处理和降冗处理，得到中间图像；

将中间图像输入基于深度迁移学习的神经网络模型，并输出待识别场景图像的多个场景分类标签；

其中，基于深度迁移学习的神经网络模型包括由卷积神经网络Inception-V3模型中的卷积层和池化层组成的特征提取器，以及训练好的场景图像分类器。

进一步地，基于深度迁移学习的神经网络模型对中间图像进行分类包括：

通过特征提取器提取中间图像的特征图；其中，特征图为表征中间图像中场景间的细微差别特征；

将特征图输入到训练好的场景图像分类器，得出待识别场景图像的多个分类标签。

进一步地，训练好的场景图像分类器为采用多组训练数据训练得到的，多组训练数据中的每组训练数据均包括训练图像的特征图和训练图像的多个真实场景分类标签。

进一步地，场景图像分类器的训练方法为：

获取多组训练数据；

将每组训练数据中的训练图像的特征图输入到初始化的场景图像分类器中，通过场景图像分类器输出每组训练数据中的训练图像的多个训练场景分类标签；

根据多个训练场景分类标签和多个真实场景分类标签，生成训练好的场景图像分类器。

进一步地，根据多个训练场景分类标签和多个真实场景分类标签，生成训练好的场景图像分类器包括：