【技术实现步骤摘要】
一种基于结构保持零样本学习的鸟类濒危物种识别方法
本专利技术涉及图像分类
,具体涉及一种基于结构保持零样本学习的鸟类濒危物种识别方法。
技术介绍
鸟类是动物界的一个重要组成部分,由于它们的种类繁多,外观近似,如何准确高效地对其进行识别一直是一个重要的研究问题。传统计算机视觉领域需要大量的人工标记的鸟类图像进行训练以获得良好的分类精度。然而,由于自然环境变化、人类活动影响等原因,许多鸟类的数量急剧减少,有关图像变得难以获得,只能从古籍、知情人描述中获得关于它们外观、习性的信息。由于带标记图像数据的匮乏,传统计算机视觉领域的方法无法解决鸟类图像数据精准分类的问题。针对以上带标签图像数据匮乏的问题,目前亟待提出用零样本学习的方法解决濒危鸟类图像分类问题。零样本图像分类方法模仿人类根据已知事物,以及未知事物的描述,实现判别与分类未知事物的能力。以常见的可获得其标签信息的鸟类为可见类别,数据匮乏的濒危鸟类为不可见类别,可见类别和不可见类别之间没有重叠。人类对于鸟类外观、习性等特征的描述称为语义信息。零样本学习方法利用可见类别鸟类的视觉特征信息和语义信息完成对不可见类别鸟类图像的识别与分类任务。零样本学习的关键在于如何建立可见类别与不可见类别之间的关联,以实现知识的共享与迁移。传统基于映射的零样本学习方法旨在学习一个视觉特征空间到语义空间的映射,或是学习一个将视觉特征和语义共同映射到中间层的映射。这类方法不可避免地存在领域漂移的问题,即由于可见类别与不可见类别没有重叠,虽然他们共享同一个语义空间,但相同的语 ...
【技术保护点】
1.一种基于结构保持零样本学习的鸟类濒危物种识别方法,其特征在于,所述的鸟类濒危物种识别方法包括:/n图像数据输入步骤,输入的图像数据分为可见类别数据和不可见类别数据,其中,所述的可见类别数据指常见的可获得其标签信息的鸟类,包括可见类别鸟类图像视觉特征、语义信息、标签信息;所述的不可见类别数据指数据匮乏的濒危鸟类,包括濒危鸟类的语义信息;/n训练步骤,接收输入的图像数据后,基于可见类别数据学习视觉特征空间到语义空间的双向映射,同时增加对映射矩阵P的两种流形一致性约束,得到最终模型并求其最优解,将该过程归结为Sylvester问题,通过调用MATLAB中的工具箱函数,即可求得该方程的解,得到映射矩阵P;/n预测步骤,将待分类的濒危鸟类物种作为测试样本,输入测试样本的视觉特征以及不可见类别的语义,将每个测试样本用所述的映射矩阵P作映射,得到其在语义空间的映射结果,将得到的结果与给定的类别语义在语义空间作近邻计算,找出最近邻的语义,其对应的类别即为得到的预测值。/n
【技术特征摘要】
1.一种基于结构保持零样本学习的鸟类濒危物种识别方法,其特征在于,所述的鸟类濒危物种识别方法包括:
图像数据输入步骤,输入的图像数据分为可见类别数据和不可见类别数据,其中,所述的可见类别数据指常见的可获得其标签信息的鸟类,包括可见类别鸟类图像视觉特征、语义信息、标签信息;所述的不可见类别数据指数据匮乏的濒危鸟类,包括濒危鸟类的语义信息;
训练步骤,接收输入的图像数据后,基于可见类别数据学习视觉特征空间到语义空间的双向映射,同时增加对映射矩阵P的两种流形一致性约束,得到最终模型并求其最优解,将该过程归结为Sylvester问题,通过调用MATLAB中的工具箱函数,即可求得该方程的解,得到映射矩阵P;
预测步骤,将待分类的濒危鸟类物种作为测试样本,输入测试样本的视觉特征以及不可见类别的语义,将每个测试样本用所述的映射矩阵P作映射,得到其在语义空间的映射结果,将得到的结果与给定的类别语义在语义空间作近邻计算,找出最近邻的语义,其对应的类别即为得到的预测值。
2.根据权利要求1所述的一种基于结构保持零样本学习的鸟类濒危物种识别方法,其特征在于,所述的视觉特征即鸟类图像经过GoogleNet网络提取的特征;所述的语义信息指人类对于鸟类外观、习性特征的描述,分为视觉属性和词向量两种,其中,视觉属性由人工标记而来,词向量通过网络爬虫获得;所述的标签信息即图像所属的类别信息。
3.根据权利要求1所述的一种基于结构保持零样本学习的鸟类濒危物种识别方法,其特征在于,所述的图像数据输入步骤中,可见类别共CS个,可见类别的样本共nS个,可见类别的视觉特征矩阵为其中d为视觉特征维度,可见类别的语义矩阵为其中m为语义维度,AS的每行代表一个样本对应的一组语义,每一组语义对应一个类别,对应地,不可见类别共CU个,不可见类别样本共nU个。
4.根据权利要求3所述的一种基于结构保持零样本学习的鸟类濒危物种识别方法,其特征在于,所述的图像数据输入步骤中,还包括:对输入的视觉特征矩阵XS归一化处理,归一化为[-1,1]...
【专利技术属性】
技术研发人员:周智恒,牛畅,尚俊媛,黄俊楚,张鹏宇,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
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。