[发明专利]一种多视图图像分类方法、系统、计算机设备和存储介质

权利要求书

1.一种多视图图像分类方法，其特征在于，所述方法包括以下步骤：

获取多视图图像的分类数据集；所述分类数据集包括不同视角的目标图像和目标图像标签；

根据所述分类数据集构建基于图卷积神经网络的多视图分类模型；所述多视图分类模型包括输入层、频谱图卷积、批量正则化层、图池化层、全连接层和输出层；

根据所述分类数据集对所述多视图分类模型进行分类训练，得到分类结果。

2.如权利要求1所述的多视图图像分类方法，其特征在于，所述频谱图卷积、批量正则化层、图池化层、全连接层的数目分别为2、2、2、1，所述多视图分类模型依次包括输入层、第一频谱图卷积池化层、第二频谱图卷积池化层、全连接层和softmax函数多分类输出层。

3.如权利要求2所述的多视图图像分类方法，其特征在于，

所述第一频谱图卷积池化层依次包括第一频谱图卷积、批量正则化层、ReLU非线性激活层以及第一图池化层；

所述第二频谱图卷积池化层依次包括第二频谱图卷积、批量正则化层、ReLU非线性激活层以及第二图池化层。

4.如权利要求3所述的多视图图像分类方法，其特征在于，

所述第一频谱图卷积和第二频谱图卷积均采用切比雪夫图卷积，且所述第一频谱图卷积的滤波数目为32，所述第二频谱图卷积的滤波个数为64；

所述第一图池化层和第二图池化层的滤波数目均为4；

所述所述全连接层的神经元数为1280。

5.如权利要求4所述的多视图图像分类方法，其特征在于，所述图池化层的池化步骤包括：

采用多层聚类图粗化方法将多视图图像粗化为不同分辨率，得到粗化图；

根据所述粗化图，创造一个平衡二叉树；

根据所述平衡二叉树，重新安排所述多视图图像的顶点排序。

6.如权利要求1所述的多视图图像分类方法，其特征在于，所述根据所述分类数据集对所述多视图分类模型进行分类训练，得到分类结果的步骤包括：

将所述分类数据集划分为训练集和测试集；

将所述训练集输入所述多视图分类模型进行训练，得到多视图训练模型；

将所述测试集输入所述多视图训练模型，得到分类结果。

7.如权利要求6所述的多视图图像分类方法，其特征在于，所述将所述训练集输入所述多视图分类模型进行训练，得到多视图训练模型的步骤包括：

随机初始化所述多视图分类模型的参数；

将所述训练集的目标图像和目标图像标签输入所述多视图分类模型，对所述参数进行训练，得到类别似然矩阵；

根据所述类别似然矩阵确定最能体现所述目标图像的视角变量；

根据所述视角变量优化更新所述多视图分类模型的参数，得到所述多视图训练模型。

8.一种多视图图像分类系统，其特征在于，所述系统包括：

获取多视图图像数据集模块，用于获取多视图图像的分类数据集；所述分类数据集包括不同视角的目标图像和目标图像标签；

建立分类模型模块，用于根据所述分类数据集构建基于图卷积神经网络的多视图分类模型；所述多视图分类模型包括输入层、频谱图卷积、批量正则化层、图池化层、全连接层和输出层；

模型训练分类模块，用于根据所述分类数据集对所述多视图分类模型进行分类训练，得到分类结果。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。