[发明专利]基于百科知识语义增强的零样本分类方法、装置

摘要

本发明涉及模式识别、机器学习、计算机视觉领域，提出了一种基于百科知识语义增强的零样本分类方法、装置，旨在解决现有零样本图像分类方法无法兼顾词向量语言信息范围与处理效率的问题，该方法包括S1，将未知类别图像通过训练好的卷积神经网络分类器进行分类，根据分类概率，对分类结果标签的语义特征进行凸组合作为该未知类别图像的语义特征；S2，将步骤S1中得到的未知类别图像的语义特征与预先构建的语义特征空间中的语义特征，通过最近邻分类器进行分类，得到所述未知类别图像的最终分类。本发明增强词向量的全局信息，以提高图像零样本分类的准确性。

主权项

一种基于百科知识语义增强的零样本分类方法，其特征在于，包括以下步骤：步骤S1，将未知类别图像通过训练好的卷积神经网络分类器进行分类，根据分类概率，对分类结果标签的语义特征进行凸组合作为该未知类别图像的语义特征；步骤S2，将步骤S1中得到的未知类别图像的语义特征与预先构建的语义特征空间中的语义特征，通过最近邻分类器进行分类，得到所述未知类别图像的最终分类；其中，所述训练好的卷积神经网络分类器，为通过已知类别图像的训练数据集进行分类训练后的卷积神经网络分类器；所述预先构建的语义特征空间，其构建方法为：基于图像类别通过对应的百科词条信息，采用词频‑逆文档频率算法提取关键词；基于各图像类别对应的关键词的权重对关键词的词向量进行凸组合，得到各图像类别对应图像的语义特征，各语义特征的集合构成了所述预先构建的语义特征空间；所述图像类别包括已知类别图像的类别标签、未知类别图像的类别标签；步骤S1中所述分类结果标签的语义特征，为所述预先构建的语义特征空间中对应图像类别对应图像的语义特征。