一种偏多标记图像的目标分类方法、系统及电子设备技术方案

本发明专利技术提供的一种偏多标记图像的目标分类方法、系统及电子设备，涉及偏多标记图像的目标分类技术领域。所述方法包括获取待识别偏多标记图像；将待识别偏多标记图像输入到相关标记确定模型中，确定待识别偏多标记图像中的所有目标的相关标记；根据多个相关标记确定待识别偏多标记图像中所有目标的种类；相关标记与目标种类一一对应。本发明专利技术利用对比标签消歧原理对分类器进行训练得到能够准确识别未见图像中相关标记的多标记确定模型，进而提高图像分类的准确性。像分类的准确性。像分类的准确性。

【技术实现步骤摘要】
一种偏多标记图像的目标分类方法、系统及电子设备


[0001]本专利技术涉及偏多标记图像的目标分类
，特别是涉及一种偏多标记图像的目标分类方法、系统及电子设备。

技术介绍

[0002]多标记图像分类旨在处理图像分类问题，其中每个图像都与多个标签信息相关。目前多标记图像分类问题得到广泛关注。但多标记图像分类依赖于对数据的准确标注，这在资源有限的现实场景中极难实现。为了缓解标注压力，目前采取的方式是给每一张图像赋予由非专业的标注人员打上的多个候选标签，候选标签中不仅包括有利于图像分类的相关标记，也包括一些噪声标记。利用这种图像的候选标签集合进行学习的方式被定义为偏多标记图像的目标分类问题。
[0003]偏多标签学习问题包括两种类型：第一种类型是给每个候选标签分配一个置信度，在训练中迭代更新标签置信度和分类模型参数。比如，论文《Partial Multi
‑
Label Learning》提出在训练分类器的过程中，通过分别考虑标签相关性和特征原型来优化标签排序置信度矩阵。论文《Feature
‑
Induc本文档来自技高网...

【技术保护点】

【技术特征摘要】
次迭代时的正原型和第i
‑
1次迭代时的负原型”，直至第二迭代次数达到第二迭代次数阈值；将对应query视图下的多个当前标签级嵌入输入第i
‑
1次迭代时的分类器中，得到多个类别输出；根据多个所述类别输出和多次迭代时当前标签级嵌入对应标记的伪标记，确定第i
‑
1次迭代时的分类损失函数；判断所述分类损失函数是否小于分类损失函数阈值，得到第一判断结果；若所述第一判断结果为否，则更新第i
‑
1次迭代时的分类器的参数，得到第i次迭代时的分类器，令第一迭代次数i的数值增加1，并返回步骤“令第二迭代次数j＝1”；若所述第一判断结果为是，则判断第一迭代次数是否达到第一迭代次数阈值，得到第二判断结果；若所述第二判断结果为否，则确定第i
‑
1次迭代时的分类器为第i次迭代时的分类器，令第一迭代次数i的数值增加1，并返回步骤“令第二迭代次数j＝1”；若所述第二判断结果为是，则确定第i
‑
1次迭代时的分类器为所述相关标记确定模型。5.根据权利要求3所述的一种偏多标记图像的目标分类方法，其特征在于，在确定第i
‑
1次迭代时的分类器为所述相关标记确定模型之前，还包括：确定query视图下的标签级嵌入和key视图下的标签级嵌入为嵌入池；所述嵌入池还包括动量标签级嵌入队列里的标签级嵌入；确定query视图下任一正负性为正的标签级嵌入为当前正标签级嵌入；确定嵌入池中与所述正标签...

【专利技术属性】
技术研发人员：向豪，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：