[发明专利]一种融合主题模型的场景图像分类方法在审
申请号: | 201710992656.X | 申请日: | 2017-10-23 |
公开(公告)号: | CN107808132A | 公开(公告)日: | 2018-03-16 |
发明(设计)人: | 丰江帆;付阿敏;孙文正;夏英 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 重庆市恒信知识产权代理有限公司50102 | 代理人: | 刘小红 |
地址: | 400065 重*** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
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。 | ||
搜索关键词: | 一种 融合 主题 模型 场景 图像 分类 方法 | ||
【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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710992656.X/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序