[发明专利]一种多类别图像识别方法及系统

摘要

本发明公开了一种多类别图像识别方法及系统，对m类别图像识别问题C＝{C1,C2,…,Cw,…,Cm}，将选自图像识别数据集的训练样本分解为m套样本子集；对每套样本子集经特征选择获得一套特征子集，共获得m套特征子集{Feat_1,Feat_2,…,Feat_w,…,Feat_m}；对某待测样本，首先取C1与C2类别样本作为训练样本，以{Feat_1∪Feat_2}为特征子集，构建第一个二分类器，对该待测样本作出预测，假定该待测样本被判为C1类，则取C1与C3中样本为训练样本，以{Feat_1∪Feat_3}为特征子集，构建第二个二分类器，对该待测样本作出预测；依此类推，直到构建m‑1个二分类器，最终胜出的类即为最终的图像类别。本发明了提高多类别图像识别的预测精度。

主权项

一种多类别图像类别识别方法，其特征在于，包括以下步骤：1)对m类别图像识别问题C＝{C1,C2,…,Cw,…,Cm}，将选自图像识别数据集的训练样本分解为m套样本子集{C1vs.non‑C1}，{C2vs.non‑C2}…{Cwvs.non‑Cw}…{Cm vs.non‑Cm}，non‑C1表示非1类别；对每套样本子集经特征选择获得一套特征子集，共获得m套特征子集{Feat_1,Feat_2,…,Feat_w,…,Feat_m}；2)对某待测样本，首先取C1与C2类别样本作为训练样本，以{Feat_1∪Feat_2}为特征子集，构建第一个二分类器，对该待测样本作出预测，假定该待测样本被判为C1类，则取C1与C3中样本为训练样本，以{Feat_1∪Feat_3}为特征子集，构建第二个二分类器，对该待测样本作出预测；依此类推，直到构建m‑1个二分类器，最终胜出的类即为最终的图像类别。