[发明专利]一种用于中国画分类的端到端的多任务特征融合方法

权利要求书

1.一种用于中国画分类的端到端的多任务特征融合方法，其特征在于，所述方法包括：

构建一个多任务特征融合网络模型，该模型由顶层RGB图像特征学习和底层笔触特征学习两个分支组成，两个分支均以稠密连接网络作为骨干网络；

顶层RGB图像特征学习分支以国画的原始图像作为输入，底层笔触特征学习分支以灰度共生矩阵的特征图作为输入，均已端到端的方式学习不同的模态特征；

选择多核学习SVM作为最终分类器；

其中，所述顶层RGB图像特征学习分支学习从RGB的角度描述国画特征的高级语义信息；使用的DenseNet有四个稠密块，每一个block都有相同的层数，在进入第一个稠密块之前，输入图像先经过了16个卷积；对于3x3的卷积层，使用一个像素的零填充来保证特征图尺寸不变；

在两个稠密块之间的过渡层中，在2x2的平均池化层之后增加了1x1的卷积，在最后一个dense block之后，使用全局平均池化和softmax分类器；三个稠密块的特征图的尺寸分别是32x32，16x16，8x8；

DenseNet在保证网络中层与层之间最大程度的信息传输的前提下，直接将所有层连接起来，每一层将之前所有层的输入进行拼接，之后将输出的特征图传递给之后的所有层；

所述底层笔触特征学习分支从灰度共生矩阵的角度描绘对比度、能量、熵和同质性四种纹理特征图；

根据各自的权值将四个特征图线性加权融合，将生成的融合的纹理图像送入以稠密连接为主干网络的笔触信息分支，得到一个1024维的向量。