一种基于多视角图像扩增的类不平衡珍珠分类方法技术

本发明专利技术公开了一种基于多视角图像扩增的类不平衡珍珠分类方法，具体包括如下步骤：获取多视角珍珠图像数据；多视角珍珠图像数据的预处理及数据集划分；生成多视角珍珠图像数据集中的少数类样本，建立多视角生成对抗网络，并训练模型，平衡多视角珍珠图像数据集；将平衡后的多视角珍珠图像数据作为训练集，训练多流卷积神经网络模型，引入错误率和相对提高率的评价指标对模型进行评估。本发明专利技术利用多视角生成对抗网络强大的数据生成能力，将不平衡的多视角珍珠图像数据集重新平衡，解决了多流卷积神经网络训练过程中存在的不平衡学习问题，提升了模型的分类准确性。提升了模型的分类准确性。提升了模型的分类准确性。

【技术实现步骤摘要】
一种基于多视角图像扩增的类不平衡珍珠分类方法


[0001]本专利技术涉及类不平衡学习领域，特别涉及一种基于多视角图像扩增的类不平衡珍珠分类方法。

技术介绍

[0002]近年来深度神经网络快速发展，深度学习被广泛应用于图像分类、语义分割、目标检测、自然语言处理等任务中。深度学习在图像识别领域尤其引人注目，其表现已经能够达到甚至超越人类水平。正是因为它出色的表现以及工业4.0、智能制造等概念的提出，深度学习越来越多地被应用于工业领域，提升行业的智能化与自动化。
[0003]珍珠的价值有高有低，取决于它的材质、光泽度、形状、大小等特征。传统的珍珠制造公司通过人工观察对珍珠进行分类，这样的方法耗时耗力，成本很高。同时由于珍珠具有多样化特征，珍珠的价值需要结合多个特征进行判断，人工存在主观的原因，无法保证每个人具有相同的判断标准，所以无法对珍珠准确分类。利用深度学习技术，训练一个能够准确分类珍珠的神经网络，不仅能够节约成本，提高效率，还能提高分类的准确率。
[0004]为了能够使神经网络能够更准确地分类珍珠，使用单颗珍珠的多个视角，增加信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多视角图像扩增的类不平衡珍珠分类方法，其特征在于，所述方法包括以下步骤：1)获取多视角珍珠图像数据对不同珍珠进行人工分类，并在分类后采集不同类别珍珠的不同视角的图像以形成数据集；2)多视角珍珠图像数据的预处理以及数据集划分为加快模型收敛速度，提升模型训练速度，首先需要进行数据归一化处理；其次，将数据集划分为训练集和测试集；3)生成多视角珍珠图像数据集中的少数类样本建立多视角生成对抗网络MVWGAN
‑
GP模型，将多视角珍珠图像数据集中的少数类图像作为训练样本，训练模型，MVWGAN
‑
GP模型训练完成，利用生成器生成少数类样本，平衡多视角珍珠图像数据集；4)建立并训练多流卷积神经网络MS
‑
CNN模型建立MS
‑
CNN模型，将平衡后的多视角珍珠图像数据集作为训练集，训练MS
‑
CNN模型，并引入评价指标错误率E和相对提高率RIMP来对模型进行评估。2.如权利要求1所述的一种基于多视角图像扩增的类不平衡珍珠分类方法，其特征在于，所述步骤1)的过程为：收集一批珍珠，根据珍珠的形状大小和光泽度特点，利用人工将珍珠分类；使用高清摄像头拍摄珍珠的俯视图、左视图、右视图、主视图和后视图，形成多视角珍珠图像数据集。3.如权利要求1所述的一种基于多视角图像扩增的类不平衡珍珠分类方法，其特征在于，所述步骤2)的过程为：步骤2.1：数据归一化处理为加快模型收敛速度，提升训练速度，对数据进行归一化处理，公式如下：式中，x为归一化处理后的数据；d为采集的原始数据；d
min
为原始数据中的最小值；d
max
为原始数据中的最大值；步骤2.2：划分数据集将归一化处理后的多视角珍珠图像数据集按8:2的比例划分为训练集和测试集。4.如权利要求1所述的一种基于多视角图像扩增的类不平衡珍珠分类方法，其特征在于，所述步骤3)的过程为：步骤3.1：建立多视角生成对抗网络MVWGAN
‑
GP模型根据珍珠图像数据多视角的特点，建立MVWGAN
‑
GP模型，MVWGAN
‑
GP模型由生成器G和判别器D两部分组成，生成器用于生成使判别器难辨真假的多视角图像，判别器则用于识别其输入是真实样本还是生成样本；MVWGAN
‑
GP所有的隐藏层都设置...

【专利技术属性】
技术研发人员：刘毅，马正阳，余清，刘凯新，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：