[发明专利]细粒度分类有效

专利信息
申请号: 201680016969.5 申请日: 2016-01-07
公开(公告)号: CN107592839B 公开(公告)日: 2020-03-20
发明(设计)人: M·哈迪·基亚普尔;邸韡;维格里希·贾格迪希;鲁宾逊·皮拉姆苏 申请(专利权)人: 电子湾有限公司
主分类号: G06K9/32 分类号: G06K9/32
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 倪斌
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 细粒度 分类
【权利要求书】:

1.一种计算机实现的系统,包括:

存储器,上面实现有指令;以及

一个或多个处理器,由所述指令配置为执行以下操作:

基于第一图像识别第一图像中描绘的物品的粗分类;

生成包围所述物品的边界框;

通过将第一图像裁剪到边界框并旋转裁剪后的部分来生成第二图像;以及

基于第二图像识别所述物品的细分类,所述细分类是粗分类的子分类。

2.根据权利要求1所述的系统,其中,所述操作还包括:

接收第一图像;

基于所述细分类来选择广告;以及

使得显示第一图像和广告。

3.根据权利要求2所述的系统,其中,

第一图像与第一用户帐户相关联;以及

向第二用户帐户显示第一图像和广告。

4.根据权利要求1所述的系统,其中,生成包围所述物品的边界框包括:

生成用于第一图像中描绘的所述物品的掩模;

生成用于掩模的凸包;以及

生成包围凸包的边界框。

5.根据权利要求1所述的系统,其中,

细分类是从粗分类的可用细分类的集合中选择的;

所述操作还包括使用以下操作来训练用于所述粗分类的片段检测器的集合:

访问用于每个可用细分类的训练图像集;

访问用于每个可用细分类的验证图像集;以及

从训练图像集和验证图像集中识别每个可用细分类的区分性片段集;以及

基于第二图像识别所述细分类包括将第二图像提供给用于所述粗分类的训练后的片段检测器的集合。

6.根据权利要求5所述的系统,其中,识别粗分类的每个可用细分类的区分性片段集包括:

针对粗分类的每个可用细分类:

从用于所述细分类的训练图像集中提取片段;以及

从用于所述细分类的验证图像集中提取片段。

7.根据权利要求6所述的系统,其中,识别每个可用细分类的区分性片段集还包括:

针对每个可用细分类:

选择从所述细分类的训练图像集中提取的片段的随机子集;以及

选择从所述细分类的验证图像集中提取的片段的随机子集。

8.根据权利要求1所述的系统,其中,所述操作还包括:

从客户端设备接收第一图像;

基于细分类识别图像集合;以及

使所述图像集合显示在客户端设备上。

9.根据权利要求8所述的系统,其中,

基于细分类识别图像集合包括:识别与所述细分类相关联的图像。

10.根据权利要求8所述的系统,其中,

基于细分类识别图像集合包括:识别在线市场中要出售的物品的图像。

11.一种计算机实现的方法,包括:

基于第一图像识别第一图像中描绘的物品的粗分类;

生成包围所述物品的边界框;

通过将第一图像裁剪到边界框并旋转裁剪后的部分来生成第二图像;以及

通过机器的处理器,基于第二图像识别所述物品的细分类,所述细分类是粗分类的子分类。

12.根据权利要求11所述的方法,其中所述方法还包括:

接收第一图像;

基于所述细分类来选择广告;以及

使得显示第一图像和广告。

13.根据权利要求12所述的方法,其中:

第一图像与第一用户帐户相关联;以及

向第二用户帐户显示第一图像和广告。

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电子湾有限公司,未经电子湾有限公司许可,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/pat/books/201680016969.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top