[发明专利]一种图片多标签分类方法在审
| 申请号： | 201811586685.7 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109657726A | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 王旻毅;吕晨;房鹏展 | 申请（专利权）人： | 焦点科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 陈建和 |
| 地址： | 210032 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 标签分类 网络结构 预测 标签属性 收敛 预处理 图片 分类基础 工程应用 机器学习 素材分类 图片筛选 图片样本 训练样本 样本规模 样本训练 归档 准确率 适配 标签 | ||
1.一种图片多标签分类方法，其特征在于，包括如下步骤：
步骤1、收集图片样本，所述图片样本规模至少在100k张；整理每张图对应的1组标签属性，所述1组标签属性至少包含2个标签属性，所述不同标签属性之间互相独立，不存在范围重叠或包含关系；
步骤2、数据的预处理，将每张图片尺寸更改为224×224×3；
步骤3、根据训练样本规模，定制的深度网络结构，所述深度网络结构由keras定制，网络输出类别数即标签类别数；所述深度网络结构包括至少5个卷积层：卷积层由至少32个卷积核串联构成，全连接层包含256个节点，dropout随机丢弃节点设为0.5，并行soft-max(parallel-soft-max)用于分别预测各类标签属性，各soft-max层并联连接；
步骤4、以预测各类标签的平均损失为目标，训练至收敛；
步骤5、训练完成，预测待测图片的标签属性。
2.如权利要求1所述的一种图片多标签分类方法，其特征在于：所述步骤3中，当样本数量在100k-1000k张，则构建包含5个卷积层的深度网络，其中包括2个由32个3×3卷积核(conv3-32)串联构成和3个由64个3×3卷积核(conv3-64)串联构成的卷积层。
3.如权利要求2所述的一种图片多标签分类方法，其特征在于：所述步骤3中，当样本数量在1000k-10000k张，则构建包含7个卷积层的深度网络，其中包括2个由64个3×3卷积核(conv3-64)串联构成、2个由128个3×3卷积核(conv3-128)串联构成的和3个由256个3×3卷积核(conv3-256)串联构成的卷积层。
4.如权利要求3所述的一种图片多标签分类方法，其特征在于：所述步骤3中，当样本数量在10000k张以上时，则构建包含9个卷积层的深度网络，其中包括2个由64个3×3卷积核(conv3-64)串联构成、2个由128个3×3卷积核(conv3-128)串联构成的、2个由256个3×3卷积核(conv3-256)串联构成的、3个由512个3×3卷积核(conv3-512)串联构成的卷积层和1个512个1×1卷积核(conv1-512)卷积层。
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焦点科技股份有限公司，未经焦点科技股份有限公司许可，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/201811586685.7/1.html，转载请声明来源钻瓜专利网。
