[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

说明书

本发明提供一种基于低秩表示和标签融合的分类方法及装置、介质、设备。方法包括：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。本发明实施例涉及到的数据量比较小，而且不需要采用深度学习模型，计算量也是比较小的，因此适合应用在计算资源和硬件资源有限的边缘设备上。

技术领域

本发明涉及分类技术领域，尤其是涉及一种基于低秩表示和标签融合的分类方法及装置、介质、设备。

背景技术

目前，在进行多类别识别时，一般是通过深度学习模型实现，但是在计算资源和硬件资源有限的边缘设备上不适合部署深度学习模型，因此深度学习模型涉及到的数据量和计算量比较大，因此有必要提供一种适合部署在计算资源和硬件资源有限的边缘设备上的类别识别方案。

发明内容

针对以上至少一个技术问题，本发明实施例提供一种基于低秩表示和标签融合的分类方法及装置、介质、设备。

根据第一方面，本发明实施例提供的基于低秩表示和标签融合的分类方法，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。

根据第二方面，本发明实施例提供的基于低秩表示和标签融合的分类装置，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。

根据第三方面，本发明实施例提供计算机可读存储介质，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，令计算机执行实现第一方面提供的方法。

根据第四方面，本发明实施例提供的计算设备，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，实现第一方面提供的方法。

本发明实施例提供的基于低秩表示和标签融合的分类方法及装置、介质、设备，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。可见，本发明实施例提供的方法中将特征矩阵表示为第一低秩矩阵，然后在第一低秩矩阵中加入类别标签信息，得到第二低秩矩阵，进而进行类被的识别。这个方案中涉及到的数据量比较小，而且不需要采用深度学习模型，计算量也是比较小的，因此适合应用在计算资源和硬件资源有限的边缘设备上。

附图说明

图1为本发明一实施例中基于低秩表示和标签融合的分类方法的流程示意图。