[发明专利]一种提高花型图分类打标准确率的方法

权利要求书

1.一种提高花型图分类打标准确率的方法，包括图片预处理模组、分类训练模组与数据集清洗再分类训练模型，其特征在于：所述图片预处理模组包括把图片等分成一组带有坐标的序列元素，所述分类训练模组包括有多个self-attention、Norm和Feed Forward前馈网络组成。

2.根据权利要求1所述的一种提高花型图分类打标准确率的方法，其特征在于：所述图片预处理模组匹配ViT模型的输入，所述图片预处理模组包括H×W×C的三维图片转化为N×D的二维输入。

3.根据权利要求1所述的一种提高花型图分类打标准确率的方法，其特征在于：所述分类训练模组包括Transformer Encode。

4.根据权利要求1所述的一种提高花型图分类打标准确率的方法，其特征在于：所述数据集清洗再分类训练模型包括鉴别数据集中图片模块与筛选图片类别模块。

5.根据权利要求1-4所述的一种提高花型图分类打标准确率的方法，该方法的具体步骤如下：

步骤1-图片预处理：通过图片预处理模组把图片等分成一组带有坐标的序列元素，匹配vit模型的输入，首先把图片等比例划分成N片区域，每片区域长宽为P，输入序列为(N，P²c),再通过一个全连接层压缩为(N,D)的二维向量，图片割裂后，不再保有原来的位置信息，在Patch Embedding向量上增加一个Positional encoding Epos，在图片序列前增加一个和图片单个序列同纬度的可学习嵌入向量；

步骤2-分类训练模组：将图片序列经过多个self-attention再进行AddNorm，Add防止网络退化，Norm对每一层的激活值进行归一化，然后经过前馈网络，整个Encode经过N次该网络；

步骤3-数据集清洗再分类：在上一步生成的模型中，鉴别数据集中图片的具体类别及概率，再和图片所在类别进行对比，准确筛选图片类别，清洗原有数据集，在清洗的数据集上继续训练最新模型。