基于文物图像开集识别的分类算法制造技术

本发明专利技术公开了一种基于文物图像开集识别的分类算法,提出的基于对比学习的判别性特征提取算法，可以帮助网络利用文物图像的增强信息提取到更丰富的语义、结构信息，在训练阶段增强了网络的特征提取能力，并通过基于特征迁移先验误差的文物图像开集识别算法，利用迁移学习前后模型所提取特征之间的差异，在测试阶段进一步提升网络对已知类文物样本和开集文物样本的判断能力。在文物开集识别任务上的实验结果表明，相较于现有的开集识别算法，本发明专利技术所提出的算法有效地提升了网络的开集识别能力。能力。能力。

【技术实现步骤摘要】
基于文物图像开集识别的分类算法


[0001]本专利技术涉及计算机视觉中的文物图像分类领域，更具体地，涉及到一种基于对比式判别性特征提取的文物图像开集识别的分类算法。

技术介绍

[0002]近年来，深度学习算法在文物图像分类中已经取得了比较好的效果。但是，现有的文物图像分类算法一般都是在封闭集条件下训练和测试的，即测试集中的文物类别都是出现在训练集中的，不涉及到没有在训练集中出现过的文物类别。然而，在真实的部署环境下，如文物勘探、网上博物馆等，在这些场景中可能会出现完全没有在训练集中出现过的未知文物类别，这大大削弱了现有方法的鲁棒性，使得现有的文物图像分类算法性能降低。此外，现有的文物图像分类算法需要依赖大量文物数据训练网络才能实现。然而，由于文物数据种类丰富，数据标注过程对文物领域专业知识有很高的要求，因此难以构造大量的有监督文物数据。

技术实现思路

[0003]为了解决现有技术的问题，本专利技术提供一种基于文物图像开集识别的分类算法，解决现有的文物图像分类算法仅考虑闭集条件下的分类，文物数据不充分的问题。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于文物图像开集识别的分类算法，其特征在于，包括以下步骤：基于对比学习的判别性特征提取算法：在训练阶段使用对比学习算法通过数据增强的方式扩充文物数据集，提高网络提取判别性特征的能力；然后基于特征迁移先验误差的文物开集识别算法：在测试阶段提出特征迁移误差先验方法，利用迁移学习前后编码器模型中所提取的多层特征之间的差异，对全连接层输出的激活向量值进行修正。2.根据权利要求1所述基于文物图像开集识别的分类算法，其特征在于，所述基于对比学习的判别性特征提取算法是指：通过随机从训练集中选取N张文物图片构成一批，对于一批内的某张图片x，通过某些数据增强操作得到两张增强后的图片和因此，一批内一共有2N张增强后的图片；增强后的图片通过编码器和映射器得到对应的特征向量z
i
和z
j
；通过有监督对比损失的约束，对于一批内同一类别的文物图片，拉近其对应特征空间的距离；对于一批内不同类别的文物图片，使其对应特征空间的距离远离。3.根据权利要求2所述基于文物图像开集识别的分类算法，其特征在于，所述有监督对比学习损失函数定义如下：比学习损失函数定义如下：其中，N为一批图像总数量，i表示锚点,表示一个批中和锚点i有相同标签的图像总数量，1
i≠j
∈{0，1}是一个指示函数，当且仅当i≠j时返回1，否则返回0；表示增强后的图片经过编码器E(
·
)和投影器P(
·
)得到的特征向量；z
i

【专利技术属性】
技术研发人员：房松玉，周圆，李硕士，陈克然，霍树伟，
申请(专利权)人：天津大学，
类型：发明
国别省市：