[发明专利]一种图像数据多标签分类方法

摘要

本发明公开了一种图像数据多标签分类方法。对输入图像进行分解，利用神经网络提取特征的高次相关性，对标签数据进行分解，利用神经网络提取标签的高次相关性，采用包含多层全连接层的神经网络将输入图像的特征码从输入空间解码到标签空间；构建损失函数，初始化训练参数，采用随机梯度下降方法最小化最终损失函数为目标，训练求解获得最优的训练参数；然后针对待测试的图像数据输入到训练后的模型中进行预测，输出获得标签结果，实现多标签分类。本发明解决了图像数据前人工作不能同时提取标签的二次相关性和多次相关性的问题，降低了由于图像数据太过稀疏带来的预测困难，提高了多标签分类的准确性。

主权项

1.一种图像数据多标签分类方法，其特征在于：本方法的步骤如下：步骤一是对输入图像进行分解：对输入图像处理获得图像特征集合，建立输入空间，再将图像特征集合中每个图像特征向量进行两两乘积并求和得到图像分解向量；步骤二是利用神经网络提取特征的高次相关性：将步骤一得到的图像分解向量输入到包含多层全连接层的神经网络中得到输入图像的特征码；步骤三是对标签数据进行分解：对已知的标签数据处理得到标签特征集合，建立标签空间，再将标签特征集合中每个标签特征向量进行两两乘积并求和得到标签分解向量；步骤四是利用神经网络提取标签的高次相关性：将步骤三得到的标签分解向量输入到包含多层全连接层的神经网络中得到标签数据的特征码；步骤五是解码：采用包含多层全连接层的神经网络将输入图像的特征码从输入空间解码到标签空间；步骤六是检测：构建损失函数，初始化训练参数，采用随机梯度下降方法最小化最终损失函数为目标，训练求解获得最优的训练参数；然后针对待测试的图像数据输入到训练后的模型中进行预测，输出获得标签结果，实现多标签分类。