[发明专利]一种融合主题模型的场景图像分类方法

摘要

本发明请求保护一种融合主题模型的场景图像分类方法,涉及深度学习及图像分类领域。该方法包括对数据集进行预处理，扩充已获取数据集的数量，得到符合深度学习模型处理的图像数据格式；构建符合场景图像分类的卷积神经网络模型，使用卷积神经网络对处理后的图像数据集进行预训练；使用训练集，对构建的卷积神经网络进行端到端的迭代训练，调整网络中的参数，使用验证集对训练完成的模型进行验证，对提取到的具有判别力的场景图像特征进行建模，提取特征和图像之间存在的隐藏的主题变量,得到k维向量代表的图像主题分布，k代表主题数量；每幅图像可以看做是由多个主题所组成的一个概率分布图，利用分类器实现场景图像的分类。

主权项

一种融合主题模型的场景图像分类方法，其特征在于，包括以下步骤：1)、对获取的图像数据集进行预处理操作，预处理一是扩充了数据集，二是使得处理后的图像格式符合深度学习框架的格式，将处理过的数据集的70％作为训练集，剩下的30％作为验证集；2)、构建符合场景图像分类的卷积神经网络模型，使用卷积神经网络对处理后的训练集进行预训练，即使用卷积神经网络的卷积层和池化层提取输入图像的位置、上下文特征，利用这些学习到的图像的位置、上下文特征作为图像场景分类的基础和依据；3)、使用训练集，对构建的卷积神经网络进行端到端的迭代训练，在训练过程中调整网络中的参数，使用验证集对训练完成的模型进行验证，网络模型提取的图像特征判断场景图像的类别；4)、通过预训练提取到的具有判别力的场景图像特征进行建模，提取特征和图像之间存在的隐藏的主题变量,得到k维向量代表的图像主题分布；每幅图像代表多个主题所组成的一个概率分布，利用分类器实现场景图像的分类。