The image is passed to the image recognizer to identify the rough classification of the image and the boundary frame of the classified object. The mask is used to identify the image parts of the representative object. In the case of a given foreground mask, the convex hull of the mask is positioned and the alignment rectangle with the smallest area that surrounds the convex hull is fitted. Rotating and scaling the boundary frame so that the foreground objects are roughly moved to standard orientation and size (called calibration). Using the calibrated image as the input of the fine classification module, the fine-grained module determines the fine-grained classification of the input image in the rough classification.
【技术实现步骤摘要】
【国外来华专利技术】细粒度分类优先权声明本申请要求2015年12月14日提交的题为“Fine-GrainedCategorization”的美国专利申请No.14/967,876的优先权,该美国专利申请No.14/967,876要求2015年1月19日提交的题为“Fine-GrainedCategorization”的美国临时专利申请No.62/105,110的优先权,二者的全部内容通过引用并入本文。
本文公开的主题总体上涉及使用深卷积神经网络对数据进行分类。
技术介绍
可以使用深卷积神经网络(CNN)来基于图像中显示的物品对图像进行分类。针对一定程度的训练,CNN具有有限的区分能力。在典型的数据集中,物品的取向在图像之间是不同的,并且所得到的CNN的区分能力可能耗费在能够识别物品的类别上而不考虑取向。因此,CNN难以识别相似类型的物品之间的细微差别。附图说明在附图中以示例而非限制的方式示出了一些实施例。图1是示出根据一些示例实施例的适用于细粒度图像分类的网络环境的网络图。图2是示出根据一些示例实施例的适用于细粒度图像分类的分类服务器的组件的框图。图3是示出根据一些示例实施例的适用于细粒度图像分类的设备的组件的框图。图4是示出根据一些示例实施例的适用于细粒度图像分类的图像处理的五个步骤的图。图5是示出根据一些示例实施例的服务器在执行细粒度图像分类的处理中的操作的流程图。图6是示出根据一些示例实施例的服务器在执行使用细粒度图像分类来显示广告的处理中的操作的流程图。图7是示出根据一些示例实施例的服务器在执行使用细粒度图像分类来显示搜索结果的处理中的操作的流程图。图8是示出根据一些 ...
【技术保护点】
一种系统,包括:存储器,上面实现有指令;以及一个或多个处理器,由所述指令配置为执行以下操作:基于第一图像识别粗分类;生成包围第一图像中描绘的物品的边界框;通过将第一图像裁剪到边界框并旋转裁剪后的部分来生成第二图像;以及基于第二图像识别细分类,所述细分类是粗分类的子分类。
【技术特征摘要】
【国外来华专利技术】2015.01.19 US 62/105,110;2015.12.14 US 14/967,8761.一种系统,包括:存储器,上面实现有指令;以及一个或多个处理器,由所述指令配置为执行以下操作:基于第一图像识别粗分类;生成包围第一图像中描绘的物品的边界框;通过将第一图像裁剪到边界框并旋转裁剪后的部分来生成第二图像;以及基于第二图像识别细分类,所述细分类是粗分类的子分类。2.根据权利要求1所述的系统,其中,所述操作还包括:接收第一图像;基于所述细分类来选择广告;以及使得显示第一图像和广告。3.根据权利要求2所述的系统,其中,第一图像与第一用户帐户相关联;以及向第二用户帐户显示第一图像和广告。4.根据权利要求1所述的系统,其中,生成包围第一图像中描绘的物品的边界框包括:生成用于第一图像中描绘的物品的掩模;生成用于掩模的凸包;以及生成包围凸包的边界框。5.根据权利要求1所述的系统,其中,细分类是从粗分类的可用细分类的集合中选择的;所述操作还包括使用以下操作来训练用于所述粗分类的片段检测器的集合:访问用于每个可用细分类的训练图像集;访问用于每个可用细分类的验证图像集;以及从训练图像集和验证图像集中识别每个可用细分类的区分性片段集;以及基于第二图像识别所述细分类包括将第二图像提供给用于所述粗分类的训练后的片段检测器的集合。6.根据权利要求5所述的系统,其中,识别粗分类的每个可用细分类的区分性片段集包括:针对粗分类的每个可用细分类:从用于所述细分类的训练图像集中提取片段;以及从用于所述细分类的验证图像集中提取片段。7.根据权利要求6所述的系统,其中,识别每个可用细分类的区分性片段集还包括:针对每个可用细分类:选择从所述细分类的训练图像集中提取的片段的随机子集;以及选择从所述细分类的验证图像集中提取的片段的随机子集。8.根据权利要求1所述的系统,其中,所述操作还包括:从客户端设备接收第一图像;基于细分类识别图像集合;以及使所述图像集合显示在客户端设备上。9.根据权利要求8所述的系统,其中,基于细分类识别图像集合包括:识别与所述细分类相关...
【专利技术属性】
技术研发人员:M·哈迪·基亚普尔,邸韡,维格里希·贾格迪希,鲁宾逊·皮拉姆苏,
申请(专利权)人:电子湾有限公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。