【技术实现步骤摘要】
一种基于交叉重建的多视角分类系统及方法
本专利技术涉及深度学习和机器学习在多视角数据分类领域的应用，具体涉及一种基于交叉重建的多视角分类系统及方法。
技术介绍
多视角分类是计算机视觉和图像分类中的一个重要研究方向，目前该技术仍然面临许多挑战。其中就包括不同视角数据由于存在各种各样的差异，对这些数据利用同一分类器进行分类时出现准确率明显下降的问题。目前，多视角分类的方法出现了很多，总体上分为三类，一是协同训练的方法，利用多个视角数据之间的互补性进行相互学习，使得不同视角数据之间的不一致性最小从而进行多视角数据的分类；二是利用核函数，对不同的视角数据添加不同的核函数，然后对核函数进行融合来挖掘出视角之间的关联，从而得到融合后的视角特征信息以此来进行分类。但是为每个视角寻找到一个合适的核函数是比较困难的。三是子空间学习的方法，将所有的视角数据投影到一个公共的子空间，这消除了不同视角之间的差异，在这个子空间各个视角的表达更为紧凑，因而可以形成数据的一致性表达来进行跨视角分类。子空间学习方法主要包括基于典型相关分析(Canon...
【技术保护点】
1.一种基于交叉重建的多视角分类方法，其特征在于，包括以下步骤：/n步骤S1：构建两个自编码机网络，接收两个视角的原始图像数据，并将所述两个视角的原始图像数据分别转换为矩阵形式；/n步骤S2:利用所述原始图像数据的矩阵形式和所述自编码机网络，分别得到两个视角数据图像的编码；/n步骤S3：利用所述编码进行自我重建以及交叉重建，得到自我重建样本和跨视角重建样本；/n步骤S4：对所述原始图像数据、所述自我重建样本和所述跨视角重建样本进行重建误差约束，得到第一误差结果；/n步骤S5：对所述两个视角数据图像的编码进行编码一致性约束，得到第二误差结果；/n步骤S6：结合所述第一误差结果...
【技术特征摘要】
1.一种基于交叉重建的多视角分类方法，其特征在于，包括以下步骤：
步骤S1：构建两个自编码机网络，接收两个视角的原始图像数据，并将所述两个视角的原始图像数据分别转换为矩阵形式；
步骤S2:利用所述原始图像数据的矩阵形式和所述自编码机网络，分别得到两个视角数据图像的编码；
步骤S3：利用所述编码进行自我重建以及交叉重建，得到自我重建样本和跨视角重建样本；
步骤S4：对所述原始图像数据、所述自我重建样本和所述跨视角重建样本进行重建误差约束，得到第一误差结果；
步骤S5：对所述两个视角数据图像的编码进行编码一致性约束，得到第二误差结果；
步骤S6：结合所述第一误差结果和所述第二误差结果，多次训练两个自编码机网络，得到最佳表达结果；
步骤S7：利用1-NN分类器对所述最佳表达结果进行分类，得到最佳表达结果的所属类别。
2.根据权利要求1所述的一种基于交叉重建的多视角分类方法，其特征在于，所述步骤S1中，构建两个结构相同自编码机，包括编码器f和g，解码器p和q；接受两个视角的输入数据图像，并将其转换为对应的向量形式；对于多张图像的多个向量，进一步转换为矩阵形式。
3.根据权利要求1所述的一种基于交叉重建的多视角分类方法，其特征在于，所述步骤S2中，利用公式Y1＝f(X1)和Y2＝g(X2)，分别计算每个视角图像数据对应的编码：
其中，X1，X2表示视角1和视角2的原始数据样本的矩阵形式，Y1,Y2表示视角1和视角2得到的编码矩阵。
4.根据权利要求1所述的一种基于交叉重建的多视角分类方法，其特征在于，所述步骤S3进行样本重建，具体包括：
利用公式Y1_1＝p(Y1)和公式Y2_1＝p(Y2)通过所述解码器p进行自我重建和交叉重建；
其中，Y1_1表示由视角1的编码重建得到的视角1样本，Y2_1表示由视角2的编码重建得到的视角1样本；
利用公式Y1_2＝q(Y1)和公式Y2_2＝q(Y2)通过所述解码器q进行自我重建和交叉重建；
其中，Y1_2表示由视角1的编码重建得到的视角2样本，Y2_2表示由视角2的编码重建得到的视角2样本；
其中公式Y1_1＝p(Y1)和Y1_2＝q(Y1)表示自我重建，公式Y2_1＝p(Y2)和Y2_2＝q(Y2)表示交叉重建以此来迁移视角之间信息并建立视角之间的内在联系。
5.根据权利要求1所述的一种基于交叉重建的多视角分类方法，其特征在于，所述步骤S4对原始样本和重建样本进行最小重建误差的约束，具体包括：对得到的所述自我重建样本和所述跨视角重建样本，利用公式得到每个视角的完整的编码以及迁移视角之间的信息得到不同视角的一致性表达。其中Wf，Wg，Wp和Wq表示对应编码网络和解码网络的参数...
【专利技术属性】
技术研发人员：米建勋，付长青，陈涛，向菲，钱基业，江金洋，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50
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。