[发明专利]一种多视角跨数据域图像内容识别的分类方法及装置

摘要

本发明公开了一种多视角跨数据域图像内容识别的分类方法及装置，其特点在于利用图像多视角特征之间的语义内容预测的一致性，相互调节各视角回归预测模型，对回归系数上进行调节，使得回归系数能够同时稀疏选择不同数据域的图像数据特征，保证选择后的特征保持最本质的类属语义结构，同时尽可能地减少引起域间差异的噪声特征。为了保持各个数据域的数据原始流形结构，引入了基于原始数据谱图的图调节正则项；同时通过使辅助数据域的训练标签和目标数据域的预测标签之间共同保持跨数据域的类属全局结构，来进一步增强预测标签的准确性。相比于现有的迁移学习分类技术，本发明提出的分类方法在准确率和稳定性上都有了很大的提高。

主权项

一种多视角跨数据域图像内容识别的分类方法，其特性在于，包括如下步骤： S10：对待分类的各目标图像进行特征抽取，将图像数据转化成可用于分类的数值型数据； S20：输入各目标图像数据域和辅助数据域的各视角数据特征，以及对应辅助域数据的用于训练的类属标签数据，对数据建立用于几何调节的谱图邻接图； S30：对步骤S20中输入的图像数据、标签信息和建立的邻接图，建立数学模型； S40：根据步骤S30中建立的数学模型，推导各个变量的更新公式，以交替迭代的方式更新图像视角特征的回归系数和在目标域图像数据上预测的拟分类标签； S50：利用步骤S40中得到的拟分类标签矩阵，预测目标域图像数据的分类标签，以此分类标签对目标图像数据进行分类。