[发明专利]一种基于区域敏感得分图谱及多实例学习的图片属性探测方法

摘要

本发明公开了一种基于区域敏感得分图谱及多实例学习的图片属性探测方法。包括以下步骤通过卷积神经网络将输入图像转换为RSSM特征图谱，再通过RSSM组合层将RSSM特征图谱转换为1000×10×10的MIL特征图谱，最后将MIL特征图谱输入到多实例学习MIL网络层得到1000×1的属性概率向量。本发明所述的基于区域敏感得分图谱及多实例学习的属性探测方法比起之前的方法探测准确率有明显提升，同等情况下，基于CNN模型和FCN‑MIL模型的准确率只能达到30.8％和34.0％，而本发明提出的基于敏感区域得分图谱和多实例学习的方法能够达到42.1％。此外基于敏感区域得分图谱及多实例学习的方法能够探测图片的1000种属性，比一般的属性探测方法更全面，基本能够胜任一般的图片视频描述及场景理解的需要。

主权项

一种基于区域敏感得分图谱及多实例学习的图片属性探测方法，其特征在于包括以下步骤：步骤一：将原始图片输入到卷积神经网络得到RSSM特征图谱，得到的RSSM特征图谱为k2×1000个10×10的特征图谱；步骤二：通过区域敏感得分图谱的组合方式将每k2幅RSSM特征图谱组合为一幅MIL特征图谱，MIL特征图谱为1000×10×10尺寸的特征图谱；步骤三：将MIL特征图谱输入到多实例学习网络得到图片的属性概率向量，属性概率向量尺寸为1000×1；步骤四：通过设置阈值对1000维的属性概率向量进行处理，大于阈值的所有属性被认为是图片所具有的属性。