[发明专利]图像样本分类方法及装置、电子设备、可读存储介质有效

专利信息
申请号: 201911119302.X 申请日: 2019-11-15
公开(公告)号: CN110929771B 公开(公告)日: 2020-11-20
发明(设计)人: 张志伟;吴丽军;李岩 申请(专利权)人: 北京达佳互联信息技术有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 王茹
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 样本 分类 方法 装置 电子设备 可读 存储 介质
【权利要求书】:

1.一种图像样本分类方法,其特征在于,包括:

获取本次聚类的待分类的图像样本对应的聚类簇,得到初始分类集合;以及获取本次聚类之前的历史聚类的对照分类集合;

基于所述对照分类集合调整所述初始分类集合中的各聚类簇,得到所述待分类的图像样本对应的目标分类集合;

根据所述目标分类集合和所述各图像样本所在聚类簇,确定所述待分类的图像样本中各图像样本的分类标识;

基于所述对照分类集合调整所述初始分类集合中的各聚类簇,包括:

对比所述初始分类集合和所述对照分类集合中各聚类中心的标识;

若标识相同,则合并具有相同标识的聚类簇;若不同,则计算所述初始分类集合和所述对照分类集合中具有不同标识的聚类中心之间的距离值;

利用所述对照分类集合中聚类中心的标识替代所述初始分类集合中聚类中心的标识;参与替代的两个聚类中心的距离值在所述初始分类集合和所述对照分类集合中聚类中心之间的距离值中最小。

2.根据权利要求1所述的图像样本分类方法,其特征在于,获取本次聚类的待分类的图像样本对应的聚类簇,得到初始分类图像集合,包括:

利用预先设置的预测分类模型获取所述待分类的图像样本中各图像样本的图像特征f和预测分类p;

将所述待分类的图像样本的图像特征f输入到训练后的聚类模型,由所述聚类模型确定出所述各图像样本的分类标识c;

基于所述分类标识c和所述预测分类p合并满足设定条件的聚类簇,得到m个聚类簇;

获取所述m个聚类簇的中心点特征cluster,得到包括m个聚类簇的所述初始分类集合。

3.根据权利要求2所述的图像样本分类方法,其特征在于,所述设定条件是指任意两个干净的聚类簇且具有相同分类标识c的聚类簇;其中,

所述干净的聚类簇,是指在一个聚类簇中,有超过设定比例的图像样本具有相同的预测分类p;

所述具有相同分类标识c的聚类簇,是指两个干净的聚类簇中超过设定比例的图像样本具有相同的预测分类p。

4.根据权利要求2所述的图像样本分类方法,其特征在于,所述m个聚类簇中各聚类簇采用超过设定比例的图像样本所具有的预测分类p作为其分类名称。

5.根据权利要求2所述的图像样本分类方法,其特征在于,获取所述m个聚类簇的中心点特征cluster,包括:

其中,k表示中心点特征cluster的第k个维度,c表示聚类分类的样本集合,i表示一个图像样本。

6.根据权利要求1所述的图像样本分类方法,其特征在于,所述距离值包括以下至少一种:欧氏距离和余弦距离。

7.一种图像样本分类装置,其特征在于,包括:

分类集合获取单元,被配置为执行获取本次聚类的待分类的图像样本对应的聚类簇,得到初始分类集合;以及获取本次聚类之前的历史聚类的对照分类集合;

目标集合获取单元,被配置为执行基于所述对照分类集合调整所述初始分类集合中的各聚类簇,得到所述待分类的图样样本对应的目标分类集合;

分类标识确定单元,被配置为执行根据所述目标分类集合和所述各图像样本所在聚类簇,确定所述待分类的图像样本中各图像样本的分类标识;

所述目标集合获取单元包括:

标识对比模块,被配置为执行对比所述初始分类集合和所述对照分类集合中各聚类中心的标识;

聚类簇合并模块,被配置为执行在标识相同时,合并具有相同标识的聚类簇;

距离值计算模块,被配置为执行在标识不同时,计算所述初始分类集合和所述对照分类集合中具有不同标识的聚类中心之间的距离值;

标识替代模块,被配置为执行利用所述对照分类集合中聚类中心的标识替代所述初始分类集合中聚类中心的标识;参与替代的两个聚类中心的距离值在所述初始分类集合和所述对照分类集合中聚类中心之间的距离值中最小。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,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/201911119302.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top