[发明专利]基于低秩表示和标签融合的分类方法及装置、介质、设备

权利要求书

1.一种基于低秩表示和标签融合的分类方法，其特征在于，包括：

将训练图片进行低秩表示，得到对应的第一低秩矩阵；

将所述训练图片的类别标签信息融入对应的所述第一低秩矩阵中，得到第二低秩矩阵，并将所述第二低秩矩阵还原为所述训练图片的特征矩阵；

获取待分类图片，学习所述待分类图片的特征矩阵和各个类别的第二低秩矩阵之间的映射关系；

根据所述映射关系和各个类别的训练图片的所述特征矩阵，确定所述待分类图片的类别。

2.根据权利要求1所述的方法，其特征在于，所述将训练图片进行低秩表示，得到对应的第一低秩矩阵，包括：

从所述训练图片中提取出第一特征矩阵；利用最小化核范数对所述第一特征矩阵进行低秩分解，得到所述第一低秩矩阵；

对应的，所述将所述第二低秩矩阵还原为对应类别的特征矩阵，包括：将所述第二低秩矩阵还原为所述训练图片的第二特征矩阵；

对应的，所述学习所述待分类图片的特征矩阵和各个类别的第二低秩矩阵之间的映射关系，包括：学习所述待分类图片的第一特征矩阵和各个类别下的第二低秩矩阵之间的映射关系。

3.根据权利要求1所述的方法，其特征在于，所述将所述训练图片的类别标签信息融入对应的所述第一低秩矩阵中，得到第二低秩矩阵，包括：

根据所述训练图片的类别标签信息，生成对应的标签向量；其中，所述标签向量中包括N个元素，每一个元素对应一个类别，N为类别的数量，所述训练图片的类别在所述标签向量中对应的元素为第一值，所述标签向量中的其余元素为第二值；

将所述标签向量进行转置，得到对应的列向量；

将所述第一低秩矩阵和所述列向量进行拼接，得到所述第二低秩矩阵。

4.根据权利要求3所述的方法，其特征在于，所述第一值为1，所述第二值为0。

5.根据权利要求1所述的方法，其特征在于，所述将所述第二低秩矩阵还原为所述训练图片的特征矩阵，包括：

利用费舍尔判别准则，将所述第二低秩矩阵还原为所述训练图片的特征矩阵。

6.根据权利要求3所述的方法，其特征在于，所述映射关系为映射矩阵；所述根据所述映射关系和各个类别的训练图片的所述特征矩阵，确定所述待分类图片的类别，包括：

将每一个类别下的第二低秩矩阵对应的映射矩阵和所述待分类图片的特征矩阵相乘，得到所述待分类图片对应该类别的标签向量；

从所述待分类图片对应各个类别的标签向量中筛选出类别所对应的元素为第一值的标签向量，并将该标签向量对应的类别作为所述待分类图片的类别。

7.一种基于低秩表示和标签融合的分类装置，其特征在于，包括：

低秩表示模块，用于将训练图片进行低秩表示，得到对应的第一低秩矩阵；

标签融入模块，用于将所述训练图片的类别标签信息融入对应的所述第一低秩矩阵中，得到第二低秩矩阵，并将所述第二低秩矩阵还原为所述训练图片的特征矩阵；

映射确定模块，用于获取待分类图片，学习所述待分类图片的特征矩阵和各个类别的第二低秩矩阵之间的映射关系；

类别确定模块，用于根据所述映射关系和各个类别的训练图片的所述特征矩阵，确定所述待分类图片的类别。

8.根据权利要求7所述的装置，其特征在于，所述标签融入模块具体用于：根据所述训练图片的类别标签信息，生成对应的标签向量；其中，所述标签向量中包括N个元素，每一个元素对应一个类别，N为类别的数量，所述训练图片的类别在所述标签向量中对应的元素为第一值，所述标签向量中的其余元素为第二值；将所述标签向量进行转置，得到对应的列向量；将所述第一低秩矩阵和所述列向量进行拼接，得到所述第二低秩矩阵。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现权利要求1～6中的任一项所述的方法。

10.一种计算设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1～6中的任一项所述的方法。