[发明专利]一种图片多标签分类方法在审
| 申请号： | 201811586685.7 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109657726A | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 王旻毅;吕晨;房鹏展 | 申请（专利权）人： | 焦点科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 陈建和 |
| 地址： | 210032 江苏省南京*** | 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： | 本发明公开了一种图片多标签分类方法，其特征在于，包括步骤1、收集图片样本；步骤2、数据的预处理；步骤3、根据训练样本规模，定制的深度网络结构；步骤4、以预测各类标签的平均损失为目标，训练至收敛；步骤5、训练完成，预测待测图片的标签属性。达到在大批量样本训练的情况下，预测效果优于机器学习；在工程应用中，针对不同样本规模，定制适配的深度网络结构，构造合适的网络结构训练至收敛，已得到可靠的多标签分类模型，取得平均96％的高准确率；多标签分类在多分类基础上再进一层，可以预测图片的一组标签属性，能更完美地迎合图片筛选，素材分类归档等任务。 | ||
| 搜索关键词： | 标签分类 网络结构 预测 标签属性 收敛 预处理 图片 分类基础 工程应用 机器学习 素材分类 图片筛选 图片样本 训练样本 样本规模 样本训练 归档 准确率 适配 标签 | ||
【主权项】：
1.一种图片多标签分类方法，其特征在于，包括如下步骤：步骤1、收集图片样本，所述图片样本规模至少在100k张；整理每张图对应的1组标签属性，所述1组标签属性至少包含2个标签属性，所述不同标签属性之间互相独立，不存在范围重叠或包含关系；步骤2、数据的预处理，将每张图片尺寸更改为224×224×3；步骤3、根据训练样本规模，定制的深度网络结构，所述深度网络结构由keras定制，网络输出类别数即标签类别数；所述深度网络结构包括至少5个卷积层：卷积层由至少32个卷积核串联构成，全连接层包含256个节点，dropout随机丢弃节点设为0.5，并行soft‑max(parallel‑soft‑max)用于分别预测各类标签属性，各soft‑max层并联连接；步骤4、以预测各类标签的平均损失为目标，训练至收敛；步骤5、训练完成，预测待测图片的标签属性。
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焦点科技股份有限公司，未经焦点科技股份有限公司许可，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/patent/201811586685.7/，转载请声明来源钻瓜专利网。
