[发明专利]一种基于深度学习的机器学习识别方法

权利要求书

1.一种基于深度学习的机器学习识别方法，其特征在于，包括如下步骤：

步骤一：获取图像数据作为训练的多媒体数据，在多个不同已知类别的多媒体数据之中选取目标识别样本和对比样本，作为一个机器学习模型f₁的输入，对机器学习模型f₁进行学习训练；所述机器学习模型f₁为卷积神经网络模型或全连接神经网络模型，所选取的对比样本包含两个以上的不同类别的多个多媒体数据，且设置对比样本输入至机器学习模型f₁的输入排列顺序，并根据所述对比样本输入排列顺序，将目标识别样本与对比样本以预设定的组合规则进行组合，由此形成保留有对比样本输入排列顺序规则的多个数据样本组合，再将各数据样本组合按照所述对比样本输入排列顺序规则排序构成一个数据向量，作为所述机器学习模型f₁的输入向量，使得所述机器学习模型f₁输出一个相应的结果向量；由此通过训练学习，使得学习训练所得的机器学习模型f₁输出的结果向量中的每一个结果向量元素用以表征目标识别样本与相应排列顺序位置上的一个对比样本所属类别之间的相关性，从而能够利用已知类别的多媒体数据样本采用不同的对比样本输入排列顺序对所述机器学习模型f₁进行多次的学习训练；

步骤二：将图像数据作为待识别的多媒体数据，利用学习训练后的机器学习模型f₁对待识别多媒体数据进行类别识别，进而实现对图像的分类识别。

2.根据权利要求1所述基于深度学习的机器学习识别方法，其特征在于，作为机器学习模型f₁输入的目标识别样本为一个或多个，且均属于同一类别；

若作为机器学习模型f₁输入的目标识别样本为一个，在将目标识别样本与对比样本以预设定的组合规则进行组合时，所述预设定的组合规则为如下方式之中的一种：

组合规则方式①：将所述目标识别样本分别与每一个对比样本之间建立配对组合关系，分别进行配对组合；

组合规则方式②：先将各个对比样本进行按类别划分，然后将所述目标识别样本分别与每一个类别的对比样本之间建立组合关系，分别进行组合；

若作为机器学习模型f₁输入的目标识别样本为多个，在将目标识别样本与对比样本以预设定的组合规则进行组合时，所述预设定的组合规则为如下方式之中的一种：

组合规则方式a：将每一个目标识别样本分别与每一个对比样本之间建立配对组合关系，分别进行配对组合；

组合规则方式b：先将各个对比样本进行按类别划分，然后将每一个目标识别样本分别与每一个类别的对比样本之间建立组合关系，分别进行组合；

组合规则方式c：将全部目标识别样本作为整体分别与每一个对比样本之间建立配对组合关系，分别进行配对组合；

组合规则方式d：先将各个对比样本进行按类别划分，然后将全部目标识别样本作为整体分别与每一个类别的对比样本之间建立组合关系，分别进行组合。

3.根据权利要求1所述基于深度学习的机器学习识别方法，其特征在于，在对机器学习模型f₁进行学习训练的过程中，所述目标识别样本和对比样本从预设的多媒体数据样本库中进行选取，每次选取所述多媒体数据样本库中所包含的一部分已知类别的多媒体数据作为目标识别样本和对比样本对机器学习模型f₁进行学习训练，并分多次从所述多媒体数据样本库中选取目标识别样本和对比样本对机器学习模型f₁进行学习训练，以保证目标识别样本和对比样本的选取遍历所述多媒体数据样本库中所包含的各个多媒体数据类别，且针对多媒体数据样本库中的每个多媒体数据类别均执行了至少H次的对比样本选取操作，H为与设定的训练选取次数阈值。