[发明专利]卡通形象分类方法、装置、电子设备及存储介质在审

专利信息
申请号: 202211132678.6 申请日: 2022-09-15
公开(公告)号: CN115457326A 公开(公告)日: 2022-12-09
发明(设计)人: 王二伟;王语斌 申请(专利权)人: 同盾科技有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/74;G06V10/44;G06V10/82;G06N3/04;G06N3/08
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 苏培华
地址: 311100 浙江省杭州市余*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卡通 形象 分类 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种卡通形象分类方法,其特征在于,所述方法包括:

将包含待分类卡通形象的图像输入特征提取网络模型,得到所述待分类卡通形象的图像特征;

将多个卡通形象关系网络分别输入特征关系网络模型,得到所述多个卡通形象关系网络分别对应的中心节点特征;

基于所述图像特征与所述多个卡通形象关系网络分别对应的中心节点特征,输出所述待分类卡通形象的分类结果。

2.根据权利要求1所述的卡通形象分类方法,其特征在于,所述卡通形象关系网络是通过以下步骤构建的:

以各个卡通形象作为节点,构建所述各个卡通形象的节点之间的多个关系网络;

获取所述各个卡通形象包含的关系信息,并且利用所述特征提取网络模型提取所述各个卡通形象分别对应的图像特征,所述关系信息包括:人物关系与剧情关系;

在所述各个卡通形象分别对应的节点中,输入所述各个卡通形象分别对应的图像特征以及所述各个卡通形象分别包含的关系信息,得到所述多个卡通形象关系网络。

3.据权利要求2所述的卡通形象分类方法,其特征在于,在所述得到所述多个卡通形象关系网络之后,所述方法还包括:

将包含所述中心节点特征的中心节点与目标卡通形象关系网络中的其他节点建立已知连接关系,得到卡通社团网络;

将所述卡通社团网络输入所述特征关系网络模型,得到所述中心节点与所述目标卡通形象关系网络中其他节点的未知连接关系;

利用所述未知连接关系对所述卡通社团网络进行更新。

4.根据权利要求1所述的卡通形象分类方法,其特征在于,所述基于所述图像特征与所述多个卡通形象关系网络分别对应的中心节点特征,输出所述待分类卡通形象的分类结果,包括:

分别计算所述图像特征与各个所述中心节点特征的相似度;

确定与所述图像特征相似度最大的中心节点特征为目标节点特征;

将所述目标节点特征所属的卡通形象关系网络对应的作品确定为所述待分类卡通形象所属的作品;

将所述待分类卡通形象所属的作品进行输出。

5.根据权利要求4所述的卡通形象分类方法,其特征在于,所述分别计算所述图像特征与各个所述中心节点特征的相似度,包括:

将所述图像特征与各个所述中心节点特征分别映射至向量空间,得到所述图像特征的向量与各个所述中心节点特征的向量;

计算所述图像特征的向量与各个所述中心节点特征的向量之间的相似度参数,所述相似度参数包括以下参数的一种或多种:欧氏距离、余弦、点积;

基于所述相似度参数,计算所述图像特征与各个所述中心节点特征的相似度。

6.根据权利要求1所述的卡通形象分类方法,其特征在于,所述特征提取网络模型通过以下步骤训练得到:

获取卡通图像数据集;

剔除所述卡通图像数据集中的非卡通形象,得到卡通形象数据集;

对所述卡通形象数据集进行训练,得到所述特征提取网络模型。

7.根据权利要求1所述的卡通形象分类方法,其特征在于,所述特征关系网络模型是通过以下步骤训练得到的:

将所述卡通形象关系网络包含的网络参数输入三层图卷积神经网络,得到所述卡通形象关系网络中各个节点的预测分类结果;

利用损失函数计算所述各个节点的预测分类结果与所述各个节点的实际分类结果的误差;

基于所述误差对所述三层图卷积神经网络中各个隐含层的权重系数进行更新,得到所述特征关系网络模型。

8.一种卡通形象分类装置,其特征在于,包括:

第一提取模块:用于将包含待分类卡通形象的图像输入特征提取网络模型,得到所述待分类卡通形象的图像特征;

第二提取模块:用于将多个卡通形象关系网络分别输入特征关系网络模型,得到所述多个卡通形象关系网络分别对应的中心节点特征;

分类模块:用于基于所述图像特征与所述多个卡通形象关系网络分别对应的中心节点特征,输出所述待分类卡通形象的分类结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同盾科技有限公司,未经同盾科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211132678.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top