目标分类方法、装置、计算机设备和可读存储介质制造方法及图纸

本发明专利技术涉及一种目标分类方法，包括：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果，通过采用不同的权重，融合至少两种不同分类器的初始识别结果得到最终的识别结果，可以有效提高目标识别模型的泛化能力，从而提高目标识别的准确度。

Target classification methods, devices, computer equipment and readable storage media

【技术实现步骤摘要】
目标分类方法、装置、计算机设备和可读存储介质
本专利技术涉及数字图像处理领域，特别是涉及一种目标分类方法、装置、计算机设备和可读存储介质。
技术介绍
目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。在目标识别领域，由于得到的目标信息有限，对于未知目标的识别效果很大程度上取决于所获取先验信息的多少。现有的目标识别方法中，目标识别模型的泛化能力不足，导致目标识别准确度不够高。
技术实现思路
本专利技术的目的在于提供一种目标分类方法、装置、计算机设备和可读存储介质，可以有效提高目标识别模型的泛化能力，从而提高目标识别的准确度。本专利技术的目的通过如下技术方案实现：一种目标分类方法，所述方法包括：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。在一个实施例中，所述采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集，包括：采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征；将除所述最优特征之外的特征集作为新的待分类特征集，返回所述采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征的步骤，重复预设次数；将选取出的各所述最优特征作为与所述预设分类器对应的所述第一特征集。在一个实施例中，所述根据各所述第一特征集，获取对应的第二特征集，包括：获取各所述第一特征集之间交叠的交叠特征；将所述交叠特征分别与各所述第一特征集相匹配，得到与各所述第一特征集相对应的第二特征集。在一个实施例中，所述获取各所述预设分类器的权重，包括：将各所述初始识别结果输入预设融合识别函数，获取所述预设融合识别函数的分类准确率损失；当所述分类准确率损失最小时，根据对应的预设融合识别函数的参数得到各所述预设分类器的权重。在一个实施例中，所述根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果，包括：将各所述初始识别结果乘以对应的各所述权重，得到与各所述预设分类器对应的分类器识别结果；获取各所述分类器识别结果之和，得到所述待分类特征集的识别结果。在一个实施例中，所述至少两种预设分类器包括线性判别分类器、神经网络分类器和支持向量机分类器中的至少两种。一种目标分类装置，所述装置包括：第一特征集获取模块，用于获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；第二特征集获取模块，用于根据各所述第一特征集，获取对应的第二特征集；初始识别结果获取模块，用于将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；识别模块，用于获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。本专利技术提供的目标分类方法，其获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果，通过采用不同的权重，融合至少两种不同分类器的初始识别结果得到最终的识别结果，可以有效提高目标识别模型的泛化能力，从而提高目标识别的准确度。附图说明图1为一个实施例中目标分类方法的应用环境图；图2为一个实施例中目标分类方法的流程示意图；图3为一个实施例中目标分类方法的流程示意图；图4为一个实施例中目标分类装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不限定本专利技术的保护范围。本申请提供的目标分类方法可以应用于如图1所示的应用环境中。该应用环境包括服务器，服务器获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；服务器根据各所述第一特征集，获取对应的第二特征集；服务器将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；服务器获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种目标分类方法，包括以下步骤：步骤S201，获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集。其中，分类器是数据挖掘中对样本进行分类的方法的统称，包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。在具体实施过程中，可以采用多种不同的分类器，分别从待分类特征集中筛选得到多种第一特征集。在具体实施过程中，可以采用序列前向选择(SFS,SequentialForwardSelection)算法：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J(X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，得到最终的第一特征集。步骤S202，根据各所述第一特征集，获取对应的第二特征集。在具体实施过程中，通过将各第一特征集之间进行匹配，然后根据匹配得到的交叠特征获取对应的第二特征集。步骤S203，将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果。在具体实施过程中，各第二特征集由对应的第一特征集得到，而第一特征集又分别和不同的预设分类器对应，再将第二特征集输入对应的预设分类器，得到对应的初始识别结果。步骤S204，获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。在具体实施过程中，通过采用不同的权重，融合至少两种不同分类器的初始识别结果得到最终的识别结果。上述目标分类方法中，通过获取待分类特征本文档来自技高网...

【技术保护点】
1.一种目标分类方法，其特征在于，所述方法包括：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。

【技术特征摘要】
1.一种目标分类方法，其特征在于，所述方法包括：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。2.根据权利要求1所述的方法，其特征在于，所述采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集，包括：采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征；将除所述最优特征之外的特征集作为新的待分类特征集，返回所述采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征的步骤，重复预设次数；将选取出的各所述最优特征作为与所述预设分类器对应的所述第一特征集。3.根据权利要求1所述的方法，其特征在于，所述根据各所述第一特征集，获取对应的第二特征集，包括：获取各所述第一特征集之间交叠的交叠特征；将所述交叠特征分别与各所述第一特征集相匹配，得到与各所述第一特征集相对应的第二特征集。4.根据权利要求1所述的方法，其特征在于，所述获取各所述预设分类器的权重，包括：将各所述初始识别结果输入预设融合识别函数，获取所述预设融合识别函数的分类准确率损失；当所述分类准确率损失最小时，根据对应的预设融合识别函数的参数得到各所述预设分类器的权重。5.根据权利要求...

【专利技术属性】
技术研发人员：李波，任红梅，盛晶，肖志河，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京,11