申请/专利权人：惠州市博实结科技有限公司

申请日：2021-02-07

公开（公告）日：2024-04-09

公开（公告）号：CN112966724B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.07.02#实质审查的生效;2021.06.15#公开

摘要：本发明涉及一种图像单类别分类的方法，按照以下步骤进行：步骤1，先采集多张目标图像，并放入一个设定的目标图像文件夹内；步骤2，采集多张非目标图像，并放入一个设定的非目标图像文件夹内；步骤3，将多张目标图像和多张非目标图像传入选定的深度神经网络进行分类训练，经过一段时间分类训练后得到一个分类器；步骤4，输入一张图像于分类器中，可得到该图像的分类预测结果。本发明可用于动物或者人物或者建筑或者物体的识别，还可用于产品缺陷的判断，特别是产品外表的品质自动检验识别，从而减少了人眼目测带来的疲劳，提高了检测精度，提高了检验工作效率，具有很高的实用价值。

主权项：1.一种图像单类别分类的方法，其特征在于，按照以下步骤进行：步骤1，先采集多张目标图像，并放入一个设定的目标图像文件夹内；步骤2，采集多张非目标图像，并放入一个设定的非目标图像文件夹内；步骤3，将多张目标图像和多张非目标图像传入选定的深度神经网络进行分类训练，经过一段时间分类训练后得到一个分类器；步骤4，输入一张图像于分类器中，可得到该张图像的分类预测结果；所述分类训练的方法按照以下步骤进行：步骤3-1，随机抽取N张目标图像对，记为{I1,J1、I2,J2、.....IN,JN}其中I、J为任意的目标图像，N为正整数；步骤3-2，随机抽取N张目标图像、非目标图像对，记为{I1,K1、I2,K2、.....IN,KN}其中I为任意的目标图像，K为任意的非目标图像，N为正整数；步骤3-3，设计损失函数：L＝L1+L2其中L1为第一损失函数，L2为第二损失函数；步骤3-4，第一损失函数设计为对比损失函数contrastiveloss：L1＝∑1≤i≤N‖fIi-fJi‖2+∑1≤i≤Nmax{0,2-‖fIi-fKi‖2}；步骤3-5，第二损失函设计为中心损失函数centerloss：L2＝∑1≤i≤N‖fIi-c‖2+∑1≤i≤Nmax{0,2-‖fKi-c‖2}；步骤3-6，按下式求目标图像分类器：f*＝minfLfx其中fx为拟合函数，其自变量x为输入图像，其函数值为一个1*M的向量，M为输入图像提取到的特征维度,f*为通过最小化优化算法对Lfx进行优化后得到的最小函数值；所述对比损失函数contrastiveloss最小化，一方面使得目标图像特征fIi与fJi之间的距离靠近，另一方面使得目标图像特征fIi与非目标图像特征fKi之间的距离远离；所述中心损失函数centerloss最小化，一方面使得目标图像特征fIi与中心图像特征c之间的距离靠近，另一方面使得非目标图像特征fKi与中心图像特征c之间的距离远离；所述目标图像分类器：f*＝minfLfx输入一张图像x,通过函数fx计算出图像的特征，最后计算fx与c之间的差距，通过设定一个阈值来判断图像x是否为目标图像。

全文数据：

权利要求：

百度查询： 惠州市博实结科技有限公司 一种图像单类别分类的方法及装置

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