[发明专利]基于度量学习的细粒度图像分类方法

权利要求书

1.一种基于度量学习的细粒度图像分类方法，其特征在于，在生成训练集时对细粒度图像中的目标进行检测并按照矩形框的尺寸选取图像内容，构建并训练两输入-三输出网络，该方法的具体步骤包括如下：

(1)构建单阶段多盒检测网络SSD：

(1a)搭建一个23层的单阶段多盒检测网络SSD；

(1b)设置23层的单阶段多盒检测网络SSD的各层参数；

(2)生成训练集：

(2a)从图像数据集中随机选取至少8000张细粒度图像，每张细粒度图像中包含至少一个待检测目标；

(2b)将每张细粒度图像输入到单阶段多盒检测网络SSD中，输出该张细粒度图像的K个[x,y,w,h,p]特征向量和M个矩形框，K和M的取值相等，均为输出的细粒度图像中待检测目标的总数的6倍，x,y表示矩形框中心点的坐标位置，w表示矩形框的宽度，h表示矩形框的高度，p表示该矩形框中包含待检测目标的置信度值；

(2c)对每个矩形框进行非极大值抑制处理，得到一个矩形框集合；

(2d)按照矩形框集合中每个矩形框的尺寸选取细粒度图像内容，得到选取后的细粒度图像；

(2e)将选取后的每张细粒度图像水平翻转10度，将水平翻转后的每张细粒度图像缩小到原图的0.9倍，将缩小后的每张细粒度图像水平偏移10度，将水平偏移后的每张细粒度图像竖直偏移10度，将所有预处理后的细粒度图像组成训练集；

(3)构建两输入-三输出网络：

(3a)搭建一个36层的两输入-三输出网络，其结构依次为：输入层→第1卷积层→第2卷积层→第3卷积层→第4卷积层→第1最大池化层→第5卷积层→第6卷积层→第2最大池化层→第7卷积层→第8卷积层→第3最大池化层→第9卷积层→第10卷积层→第11卷积层→第12卷积层→第13卷积层→第14卷积层→第15卷积层→第16卷积层→第17卷积层→第18卷积层→第19卷积层→第20卷积层→第21卷积层→第22卷积层→第23卷积层→第24卷积层→第25卷积层→第26卷积层→第27卷积层→第28卷积层→第29卷积层→第30卷积层→第31卷积层→第32卷积层→第33卷积层→第34卷积层→第4最大池化层→第35卷积层→第36卷积层→平均池化层→输出层；

(3b)设置两输入-三输出网络每层的参数：

将第1卷积层的卷积核大小设置为3*3*3，卷积步长设置为2；将第2至第7卷积层的卷积核大小均设置为3*3，卷积步长均设置为1，依次设置卷积核的个数为32、64、128、128、256、256；将第8至第34卷积层的卷积核大小均设置为3*3*728，卷积步长均设置为1；将第35卷积层卷积核大小设置为3*3*1024，卷积步长设置为1；将第36卷积层卷积核大小设置为1*1*1536，卷积步长设置为1；将4个最大池化层池化窗口大小均设置为2*2；将平均池化层池化窗口大小设置为1*1；

(4)训练两输入-三输出网络：

(4a)将训练集中的样本两两同时输入到两输入-三输出网络中，经过平均池化层，得到训练集中每个训练样本对应的预测标签向量；

(4b)利用交叉熵函数公式，两输入-三输出网络的输出层计算每个训练样本对应的预测标签向量与其真实标签向量之间的交叉熵；

(4c)利用二值阈值损失函数公式，两输入-三输出网络的输出层计算每次同时输入的两个训练样本的真实标签向量之间的差异度；

(4d)利用梯度下降法，更新两输入-三输出网络中卷积层的每一个节点的权值，直到满足终止条件，得到训练好的两输入-三输出网络；

(5)对细粒度图像中的目标进行分类：

将待检测的每张细粒度图像输入到两输入-三输出网络中，将该网络输出的细粒度图像中每个目标的预测标签向量，作为该张细粒度图像中每个目标的分类标签。

2.根据权利要求1所述的基于度量学习的细粒度图像分类方法，其特征在于，步骤(1a)中所述23层的单阶段多盒检测网络SSD的结构依次为：第1卷积层→第2卷积层→第1最大池化层→第3卷积层→第4卷积层→第2最大池化层→第5卷积层→第6卷积层→第7卷积层→第3最大池化层→第8卷积层→第9卷积层→第10卷积层→第4最大池化层→第11卷积层→第12卷积层→第13卷积层→第5最大池化层→第14卷积层→第15卷积层→第16卷积层→第17卷积层→第18卷积层→第19卷积层→第20卷积层→第21卷积层→第22卷积层→第23卷积层→平均池化层。