[发明专利]一种基于LSTM的二维图像的目标类别判识方法

权利要求书

1.一种基于LSTM的二维图像的目标类别判识方法，其特征在于，包括以下步骤：

S1、依照从外至内的环状串联的方式将二维图像转化为一维矢量，依照行序串联的方式将二维图像转化为一维矢量，依照从列序串联的方式将二维图像转化为一维矢量；

S2、将上述三种转化方式所得到的一维矢量全部送入LSTM网络进行训练或者判识，然后输出三种结果；

S3、将LSTM网络输出的三种结果进行融合，并基于最终的融合结果进行目标判识；

其中，

在步骤S3中，采用加权得分融合的方式对不同序列LSTM的得分结果进行融合；

对于一个待分类样本，认为与待分类样本最接近的那个类别的得分与其他得分的差异越大，分类结果就越可靠，相应的权重值也越大；

采用分类应用，对第一个转化方式得到的序列，假设得到的与待分类样本最相似的类别的得分为d₁，与待分类样本次相似的类别的得分为d₂，则第一个转化方式的分类结果的可靠度设置为w₁＝|d₁-d₂|；对第二个转化方式得到的序列，假设得到的与待分类样本最相似的类别的得分为e₁，与待分类样本次相似的类别的得分为e₂，则第二个转化方式的分类结果的可靠度设置为w₂＝|e₁-e₂|；对于第三种方式转化的序，假设得到的与待分类样本最相似的类别的得分为f₁，与待分类样本次相似的类别的得分为f₂，则第三个转化方式的分类结果的可靠度设置为w₃＝|f₁-f₂|；第一、第二、第三个转化方式的分类结果的权重分别设定为r₁＝w₁/(w₁+w₂+w₃)，r₂＝w₂/(w₁+w₂+w₃)，r₃＝w₃/(w₁+w₂+w₃)；以这三个权重作为加和第一、第二、第三个转化方式的分类结果的系数，最后依据得到的加和结果对目标进行类别判识；假如第一个转化方式得出的待分类样本关于第一至第C类的相似性得分分别为s₁,...,s_C，第二个转化方式得出的待分类样本关于第一至第C类的相似性得分分别为t₁,...,t_C，第三个转化方式得出的待分类样本关于第一至第C类的相似性得分分别为g₁,...,g_C，则待分类样本关于第一至第j类的最终相似性得分为p_j＝r₁s_j+r₂t_j+r₃g_j；如果待分类样本关于第k类的最终相似性得分为所有最终相似性得分的最大值，则待分类样本被分类到第k类。

2.根据权利要求1所述的基于LSTM的二维图像的目标类别判识方法，其特征在于：在步骤S1中，行序串联是将一个图像矩阵的第一行、第二行一直到最后一行对应的矢量依次首尾相连结合为一个一维矢量；列序串联是将一个图像矩阵的第一列、第二列一直到最后一列依次首尾相连结合为一个一维矢量，图像矩阵最左边的列称为第一列，图像矩阵最右边的列称为最后一列；从外至内环状串联是从外至内依照环状的方式对图像像素进行串联，得到一维向量。

3.根据权利要求1所述的基于LSTM的二维图像的目标类别判识方法，其特征在于：在步骤S3中，将不同序列在LSTM的输出结果作为特征进行串联融合。

4.根据权利要求3所述的基于LSTM的二维图像的目标类别判识方法，其特征在于：根据步骤S1中的三种转化方式分，对于一张图片，将其得到的三种一维向量一起送入一个LSTM网络，得到的输出结果进行串联，再使用softmax进行分类。