[发明专利]精细粒度类别识别及物体的部分定位和特征提取方法

摘要

本发明提出了一种精细粒度类别识别及物体的部分定位和特征提取方法，该方法较好地解决了精细粒度类别识别问题中物体的部分定位问题和特征表达问题。针对物体的部分定位问题，利用有监督学习训练一系列的部分检测器，考虑到定位目标的姿态变化以及形变影响，该方法仅仅检测形变较小的部分，并且利用姿态聚类方法对同一个物体部分训练不同的检测器，从而把物体的姿态变化考虑在内。针对物体或者部分的特征表达，该方法提出在多个尺度以及多个位置提取特征，然后融合这些特征用于最终物体表达，由此使得该特征具有一定的尺度以及平移不变性。本发明的物体部分定位以及特征表达间同时具有一定的互补性，从而能够有效地提高精细类别识别问题的精度。

主权项

1.一种精细粒度类别识别中物体的部分定位方法，其特征在于，该方法利用物体检测器和部分检测器检测目标物体以及它的形变较小部分，所述检测器是利用姿态聚类的有监督方法学习得到的，考虑到了物体或者部分的姿态变化；物体检测器和部分检测器是独立进行的，并返回每个检测器中得分高的检测区域作为候选，最终的检测结果通过校正物体和部分检测结果得到；所述检测器是利用姿态聚类的有监督方法学习得到的，具体为：对于物体以及每一个部分，根据姿态聚集正例样本到一些混合模型；假设每一个部分p_i都用一个边界框定义，整个物体以边界框p_o表达，其中(l，t，r，b)表示边界框的左侧，顶部，右侧以及底部坐标位置；通过如下向量，这些标定的部分用来参数化样本I的姿态θ_I:θI＝(p′1，p′2，...，p′n)其中，w和h表示物体p0的宽度和高度，n表示物体部分的数量， p′i是pi的归一化表达，这种归一化的表达使得可以仅仅考虑部分的相对位置，而忽略不同物体部分之间的尺度差异；所有的正样本依据姿态特性，利用k‑均值聚类方法聚类成C个成分；为解决返回的检测结果中物体部分有可能与物体的位置不一致，所述物体检测器和部分检测器返回每个检测器中得分高的检测区域作为候选，具体为：令X＝{x0，x1，...，xn}表示物体及其相应的n个部分的得分高的检测结果，φ(X)＝{φ(x0)，φ(x1)，...，φ(xn)}表示对应的卷积特征，给定训练得到的一系列检测器{w0，w1，...，wn]，通过优化如下表达式更新检测结果：其中Ψ[·]是一个非线性函数，把检测得分映射到范围[‑1，1]，[·]∈是一个损失函数；参数λi度量部分和物体的重叠度，范围为[0，1]；加权项[λi]∈用来惩罚检测的部分与物体不一致的情况。