[发明专利]基于单正类图像建立的图像分类方法和装置、存储介质和计算机在审

专利信息
申请号: 202010769102.5 申请日: 2020-08-03
公开(公告)号: CN114092733A 公开(公告)日: 2022-02-25
发明(设计)人: 韩旭;陈彦龙;张裕河 申请(专利权)人: 东声(苏州)智能科技有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/774;G06K9/62
代理公司: 苏州简理知识产权代理有限公司 32371 代理人: 朱亦倩
地址: 215000 江苏省苏州市苏州工*** 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: 基于 单正类 图像 建立 分类 方法 装置 存储 介质 计算机
【权利要求书】:

1.一种基于单正类图像建立的图像分类方法,其特征在于,其包括:

提供单正类图像集、编码神经网络模型、解码神经网络模型和单类支持向量机模型,其中所述单正类图像集包括多张正类图像;

将所述单正类图像集中的正类图像输入所述编码神经网络模型以对所述编码神经网络模型进行训练,此时所述编码神经网络模型提取所述正类图像的特征,所述解码神经网络模型基于所述编码神经网络模型提取的特征解码出还原图像,经过训练得到最终的编码神经网络模型;

将最终的编码经网络模型提取的各个正类图像的特征输入所述单类支持向量机模型进行训练以划分正类图像范围,得到最终的单类支持向量机模型;

将待检测图像输入最终的编码神经网络模型进行特征提取,最终的单类支持向量机模型基于最终的编码神经网络模型提取的特征进行图像分类以判断所述待检测图像是否为正类图像。

2.如权利要求1所述的基于单正类图像建立的图像分类方法,其特征在于,在对所述编码神经网络模型的训练过程中,通过比对输入所述编码神经网络模型的正类图像以及所述解码神经网络模型输出的还原图像,调整所述编码神经网络模型的参数和结构以保证所述编码神经网络模型能够提取到合适的特征,以使得所述解码神经网络模型能够得到合适的还原图像。

3.如权利要求1所述的基于单正类图像建立的图像分类方法,其特征在于,所述编码神经网络模型用于对输入的正类图像进行下采样提取高维特征,所述解码神经网络模型用于对所述高维特征进行上采样得到所述还原图像,通过比对输入所述编码神经网络模型的正类图像以及所述解码神经网络模型输出的还原图像,确定所述编码神经网络模型是否提取到了合适的特征,如果所述编码神经网络模型未提取到合适的特征,则调整所述编码神经网络模型的参数和结构继续进行训练,直到所述编码神经网络模型能够提取到合适的特征。

4.如权利要求3所述的基于单正类图像建立的图像分类方法,其特征在于,

所述编码神经网络模型包括一个编码单元或串联的多个编码单元,每个编码单元包括依次连接的一层卷积层、一层激活层和一层池化层,最后的编码单元输出提取的特征,所述解码神经网络模型包括一个解码单元或串联的多个解码单元,每个解码单元包括依次连接的一层反卷积层和一层激活层,最后的解码单元输出还原图像,

所述编码神经网络模型采用跳跃结构,每个编码单元的输入还与自己的输出以及后续的编码单元的输出进行通道叠加或数值相加,所述解码神经网络模型采用跳跃结构,,每个解码单元的输入还与自己的输出以及后续的解码单元的输出进行通道叠加或数值相加。

5.如权利要求1所述的基于单正类图像建立的图像分类方法,其特征在于,

所述单正类图像集中的正类图像已经过尺寸归一化处理。

6.一种基于单正类图像建立的图像分类装置,其特征在于,其包括:

编码神经网络模型,其被配置的接收单正类图像集中的正类图像以进行训练,此时所述编码神经网络模型提取所述正类图像的特征,经过训练得到最终的编码神经网络模型;

解码神经网络模型,其被配置的基于所述编码神经网络模型提取的特征解码出还原图像;和

单类支持向量机模型,其被配置的接收最终的编码经网络模型提取的各个正类图像的特征以进行训练,进而划分正类图像范围,得到最终的单类支持向量机模型,

其中将待检测图像输入最终的编码神经网络模型进行特征提取,最终的单类支持向量机模型基于最终的编码神经网络模型提取的特征进行图像分类以判断所述待检测图像是否为正类图像。

7.如权利要求6所述的基于单正类图像建立的图像分类装置,其特征在于,

在对所述编码神经网络模型的训练过程中,通过比对输入所述编码神经网络模型的正类图像以及所述解码神经网络模型输出的还原图像,调整所述编码神经网络模型的参数和结构以保证所述编码神经网络模型能够提取到合适的特征,以使得所述解码神经网络模型能够得到合适的还原图像。

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东声(苏州)智能科技有限公司,未经东声(苏州)智能科技有限公司许可,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/202010769102.5/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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