申请/专利权人：武汉理工大学

申请日：2019-09-24

公开（公告）日：2020-01-10

公开（公告）号：CN110674874A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.11.29#授权;2020.02.11#实质审查的生效;2020.01.10#公开

摘要：本发明公开了一种基于目标精细组件检测的细粒度图像识别方法，该方法将图像数据集划分为训练集T和测试集S，利用局部组件标注信息获得训练集图像中的目标局部组件区域，利用模型检测测试集S图像中目标组件区域；针对训练集T所得n类图像库，训练n个不同的神经网络模型Mi，分别用于提取目标整体和组件的特征；针对训练集T和测试集S中的图像，利用Mi分别提取n组不同的特征并拼接，得到每张图像最终的特征向量，利用训练集T中提取到的特征向量训练分类器，得到一组最优的分类器模型；利用SM对测试集S中的图像进行分类，从而得到最终的目标识别结果。改识别方法提高了现有细粒度图像识别算法的精度。

主权项：1.一种基于目标精细组件检测的细粒度图像识别方法，其特征在于，它包括如下步骤：步骤S100：将图像数据库中的各个图像按预设比例随机划分为训练集T和测试集S，所述各个图像均含有待识别分类的目标以及人工标注的信息，所述人工标注信息包括图像类别标签和目标局部组件标注信息，所述图像类别标签是目标所属的子类，所述目标局部组件标注信息是定位目标精细组件的关键点，该关键点用于确定目标局部组件边界框位置；针对训练集T，利用训练集T中各个图像的目标局部组件标注信息获得各个图像中要识别目标的局部组件区域；步骤S200：利用训练集T以及步骤S100中获取的各个图像中要识别的目标局部组件区域，训练识别目标局部组件区域的神经网络模型Mp，利用识别目标局部组件区域的神经网络模型Mp对测试集S中的图像进行目标局部组件区域检测，从而确定测试集S中的目标局部组件区域；步骤S300：按照步骤S100中获取的各个图像中要识别的目标局部组件区域对训练集T中每张图像进行裁剪，即可生成对应的多张待识别的目标局部组件图像，并且每张待识别的目标局部组件图像分配与对应的裁剪前图像相同的图像类别标签，然后将每张待识别的目标局部组件图像缩放为同一预设尺寸，设各个图像中要识别的目标局部组件区域的数量为p，则可获得p类要识别的目标局部组件区域训练图像库TPi，i＝1,2,…,p，其中，每个类别的要识别的目标局部组件区域训练图像库中包含相同的目标局部组件区域；按照步骤S200中获得的测试集各个图像中的目标局部组件区域对测试集S中的图像进行裁剪，即可生成对应的多张待识别的目标局部组件图像，并且每张待识别的目标局部组件图像分配与对应的裁剪前图像相同的图像类别标签，然后将每张待识别的目标局部组件图像缩放为同一预设尺寸，设各个图像中要识别的目标局部组件区域的数量为p，则可获得p类要识别的目标局部组件区域测试图像库SPi，i＝1,2,…,p，其中，每个类别的待识别的目标局部组件区域测试图像库中包含相同的目标局部组件区域；步骤S400：将步骤S300中构造的p类目标局部组件区域训练图像库TPi分别输入卷积神经网络进行训练，得到p个不同的神经网络模型，p个不同的神经网络模型分别用于从p类目标局部组件区域训练图像库TPi和目标局部组件区域测试图像数据库SPi中提取对应的p个目标局部组件的特征向量；将训练集T中的所有图像和经过中心裁剪后的图像数据库分别输入卷积神经网络进行训练，得到2个额外的神经网络模型，从而得到一共n＝p+2个神经网络模型Mi，i＝1,2,…,n，其中，2个额外的神经网络模型用于提取待识别的图像数据库中所有图像的目标图像整体的特征向量；所述经过中心裁剪后的图像数据库是将所述待识别的图像数据库中的各个图像裁剪为待识别目标在正中的图像后形成的图像数据库；步骤S500：针对目标局部组件区域训练图像库TPi和训练集T和训练集T中心裁剪后的图像数据库中的图像，以及目标局部组件区域测试图像库SPi、测试集S和测试集S中心裁剪后的图像数据库中的图像，利用S400中的n个神经网络模型Mi分别提取n组不同的特征向量，将n组不同的特征向量中的p个目标局部组件区域的特征向量与对应图像的目标图像整体的特征向量进行拼接，得到训练集和测试集图像数据库中每张图像最终的特征向量；步骤S600：将步骤S500中所得的训练集图像数据库中每张图像最终的特征向量输入到SVM分类器，得到一组最优的分类器模型SM；利用分类器模型SM对测试集S中的图像进行分类，从而得到最终的目标识别结果。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于目标精细组件检测的细粒度图像识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD