申请/专利权人：之江实验室

申请日：2023-10-26

公开（公告）日：2024-04-09

公开（公告）号：CN117152538B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/30;G06T5/70;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明公开了一种基于类原型清洗去噪的图像分类方法及装置，所述方法包括以下步骤：获取图像样本并输入到图像分类模型生成伪类别标签，利用伪类别标签得到类原型；基于类原型将图像样本划分为干净图像样本与噪声图像样本，并利用干净图像样本对类原型进行更新；将噪声图像样本划分为分布内噪声图像样本和分布外噪声图像样本；利用干净图像样本、分布内噪声图像样本、以及图像样本对图像分类模型的参数进行更新，得到更新后的图像分类模型，将候选图像输入到更新后的图像分类模型，得到候选图像的类别结果。上述方案解决了噪声对含有噪声标签的图像分类任务精度低的问题。

主权项：1.一种基于类原型清洗去噪的图像分类方法，其特征在于，包括以下步骤：1获取图像样本并输入到图像分类模型生成伪类别标签，利用伪类别标签得到类原型，所述图像样本带有类别标签，类别标签用于表示图像样本的图像内容类别，其中，利用伪类别标签得到类原型，包括：利用伪类别标签将图像样本进行分类，并根据分类后的图像样本生成多组类别的类原型，其中，类别的类原型定义如下： ;其中，表示c组类别的类原型，表示c组类别的图像样本集合，表示图像分类模型的编码网络，为图像样本i的视图，表示当图像样本i存在伪类别标签时的值为1；将每组类别的图像样本集合中图像样本的特征向量聚类成多个簇中心的簇，并根据每个图像样本的内容类别标签找到对应簇的类原型；2基于类原型将图像样本划分为干净图像样本与噪声图像样本，并利用干净图像样本对类原型进行更新，包括：采用一次移动平均法利用干净图像样本对类原型进行更新，更新类原型如下： ;其中，表示c组类别的类原型中第j个类原型，符号表示更新，为平滑系数，表示c组类别中的当前图像样本i，表示干净图像样本集合，表示c组类别中的当前图像样本i的视图的特征向量；3将噪声图像样本划分为分布内噪声图像样本和分布外噪声图像样本，包括：最小化噪声图像样本中每个图像样本的特征向量与所有图像样本对应的类原型的距离，过程如下：，其中，表示最小化特征向量与类原型的距离的噪声图像样本集合，i表示当前图像样本，C表示图像样本集合划分的类别组数，M表示每组图像样本集合聚类成簇的个数，表示当前图像样本i的视图的特征向量，表示组类别类原型中第j个类原型；利用最大化类间方差法根据计算初步划分图像样本的第二阈值；根据第二阈值和最小化特征向量与类原型的距离的噪声图像样本集合将噪声图像样本划分分为分布内噪声图像样本和分布外噪声图像样本，其中，表示最小化特征向量与类原型的距离的噪声图像样本i，为图像样本i的视图；4利用干净图像样本、分布内噪声图像样本以及图像样本对图像分类模型的参数进行更新，得到更新后的图像分类模型，将候选图像输入到更新后的图像分类模型，得到候选图像的类别结果。

全文数据：

权利要求：

百度查询： 之江实验室 一种基于类原型清洗去噪的图像分类方法及装置

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