[发明专利]基于注意力机制多视图深度学习的球鞋真伪鉴定方法及系统

权利要求书

1.一种基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，包括如下步骤：

步骤1，采集球鞋多视图图像数据；

步骤2，分别提取图像特征；

步骤3，注意力加权融合多视图特征；

步骤4，通过标记和未标记数据训练鉴别模型；

步骤5，预测球鞋真伪。

2.如权利要求1所述的基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，所述步骤1中，收集球鞋多视图图像数据，包括外观、商标、中底走线、鞋垫、鞋盒商标、钢印共六个视图，分为专家标记数据和未标记数据。

3.如权利要求1所述的基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，所述步骤2中，分别提取图像特征，使用卷积神经网络为采集的多视图分别提取语义表示，具体地对于单张视图，依次使用不同的卷积核多角度提取特征，池化操作特征选择，最后经过线性神经网络得到图片表征。

4.如权利要求1所述的基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，所述步骤3中，注意力加权融合多视图特征包括以下步骤：

(1)为输入的多视图图像特征分别计算注意力权重，具体形式为：

其中K为视图数量，为第i个样本视图k的特征表示，为第i个样本视图j的特征表示，h(·)为注意力加权网络，用于自适应学习图片的权重信息，α_k为视图k的习得权重；

(2)使用注意力权重对不同多视图特征加权融合，具体形式为：

其中为样本i的多视图融合特征，为视图k的特征表示。

5.如权利要求1所述的基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，所述步骤4中，通过标记和未标记数据训练鉴别模型包括以下步骤：

(1)通过标记数据的融合特征预测真伪并与真实标签计算交叉熵训练模型，损失函数具体形式为：

其中N_l为标记样本数，y_i为样本i的标签信息，为模型预测；

(2)使用未标记数据通过半监督学习提高模型泛化能力，具体形式为：

L_U为无监督数据损失函数，通过熵最小化约束挖掘无标记数据信息，其中N_u为未标记样本数，λ为半监督损失权重系数。

6.一种基于注意力机制多视图深度学习的球鞋真伪鉴定系统，用于实现权利要求1～5任一所述基于注意力机制多视图深度学习的球鞋真伪鉴定方法，其特征在于，该系统包括：

第一模块，用于采集球鞋多视图图像数据；

第二模块，用于分别提取图像特征；

第三模块，用于注意力加权融合多视图特征；

第四模块，用于通过标记和未标记数据训练鉴别模型；

第五模块，用于预测球鞋真伪。

7.一种电子设备，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程序时实现如权利要求1-5中任一所述基于注意力机制多视图深度学习的球鞋真伪鉴定方法。

8.一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，该程序被处理器执行时实现如权利要求1-5中任一所述基于注意力机制多视图深度学习的球鞋真伪鉴定方法。