[发明专利]一种基于局部和深度特征集合的目标分类方法

权利要求书

1.一种基于局部和深度特征集合的目标分类方法，其特征在于，主要包括深度卷积特征提取(一)；局部特征和编码(二)；分类器集合(三)。

2.基于权利要求书1所述的基于局部和深度特征集合的目标分类方法，其特征在于，从深度网络的最后完全连接层中提取描述符和尺度不变特征变换(SIFT)描述符的费舍尔向量；对每个特征训练一个支持向量机(SVM)，对输入数据集进行优化分类，然后进行投票并得出最终决策。

3.基于权利要求书1所述的深度卷积特征提取(一)，其特征在于，深度卷积特征评估了三种流行的CNN架构：AlexNet、VGGNet和GoogleNet。

4.基于权利要求书3所述的AlexNet，其特征在于，AlexNet的架构由5个卷积层和3个全连接层组成；它引入了修正线性单元(ReLU)作为池中非线性的使用，并在训练期间忽略神经元，从而减少过度拟合；合并层放置在第一、第二和第五卷积层之后。

5.基于权利要求书3所述的VGGNet，其特征在于，VGGNet的普及主要是由于在每个卷积层中使用了多个3×3滤波器；多个小卷积滤波器可以模拟大接收场的响应，从而提供更好的泛化能力并表示对象的复杂特征；VGGNet由13个16层的卷积层和3个全连接层组成；卷积层被分成5个组，每个组后面是最大汇集层。

6.基于权利要求书3所述的GoogleNet，其特征在于，GoogleNet将卷积块与1×1卷积滤波器(称为网络中的网络)的块并行化，有效地利用了这些卷积特征的所有像素之间共享的非常少的参数。

7.基于权利要求书1所述的局部特征和编码(二)，其特征在于，基于补丁的图像描述符，如SIFT和加速稳健特征(SURF)，在图像分类系统中显示出巨大的潜力；在关键点检测阶段，选择合适的特征尺度作为尺度σ的连续函数，通过与高斯核进行卷积，形成图像的尺度空间；尺度是由拉普拉斯高斯滤波器的最大值决定的，可以用高斯差分算子来代替；关键点的极值点是使用3×3滤波器的邻域算子估计的；进一步的过滤有助于摆脱非真实极值点、低对比度点和沿边响应；为了使描述符旋转不变，计算方向直方图，并用128维特征向量描述最终关键点；图像的细粒度信息是使用图像签名(视觉词袋、局部特征聚合描述符、费舍尔向量)捕获的。

8.基于权利要求书7所述的费舍尔向量，其特征在于，在实验中，利用费舍尔向量作为编码策略；给定一个似然函数p(X|λ)，其中，λ表示参数，X的得分函数可以表示为：

梯度矢量可以使用任何鉴别分类器进行分类；要求对这样的鉴别分类器中存在的内积项进行归一化；费舍尔信息矩阵由下式给出：

归一化的梯度向量由下式给出：

视觉词汇表上的费舍尔核用高斯混合模型(GMM)表示。

9.基于权利要求书1所述的分类器集合(三)，其特征在于，分类器集合包括训练和测试；训练包括深度集合、中间层集合和与深层集合的SIFT；

(1)深度集合：深层网络是在最后一层使用相应的softmax分类器进行训练的；用最后一层的SVM代替softmax，并用完全连通层的输出重新训练最后一层；将各种深层特征的组合称为深度集合的独立训练SVM；这样的网络允许利用各种深层特征的互补性；

(2)中间层集合：

(a)单个中间层：为了评估中间层的表示能力，一旦网络被训练，则移除之后的层；各个中间层之后是由SVM组成的分类层；

(b)中间层融合：对每个深度网络进行各种中间层特征融合的实验；如果融合的各种中间层与深度集合相比可以形成一个更强大的特征，则可以评估这种组合；由于得到的特征向量具有非常高的维度，所以可以通过使用主成分分析(PCA)减小特征向量的大小来训练SVM；

(3)与深层集合的SIFT：将SIFT的输出与深度集合融合；使用费舍尔向量从图像中量化SIFT特征。

10.基于权利要求书9所述的测试，其特征在于，在测试时间，各种体系结构的输出类别是基于如下执行的多数投票预测的：

其中，φ_ens(I)是输入图像I的输出决策，N_k是输出为第k个类别的SVM的数量，其由下式给出：

N_k＝#{c|φ_c(I)＝L_k} (5)

其中，φ_c是集合中第c个分类器的输出或决策函数，L_k表示第k个类别的标签。