【技术实现步骤摘要】
多标签图像分类方法和装置、用于图像分类的神经网络
[0001]本公开涉及计算机视觉
,尤其涉及多标签图像分类方法和装置
、
用于图像分类的神经网络
。
技术介绍
[0002]多标签图像分类需要对一张图像中的多个物体
、
属性或者行为动作进行分类,是计算机视觉中重要的分类任务
。
相关技术中通常采用卷积神经网络进行特征提取,再将提取的特征输入多标签分类头进行分类
。
然而,卷积神经网络无法提取出各个标签与图像区域之间的关系,导致分类准确度较低
。
技术实现思路
[0003]根据本公开实施例的第一方面,提供一种多标签图像分类方法,所述方法包括:获取目标图像;确定多个源节点和多个目的节点,所述多个源节点包括多个块节点,各个块节点用于表示目标图像的多个不同图像块中的各个图像块的特征向量,所述多个目的节点包括所述多个块节点和多个标签节点,各个所述标签节点用于表示多个不同的目标标签中的各个目标标签的标签向量;对于所述多个目的节点中的每一个目的节点,基于目的节点与各个源节点之间的相似度,从所述多个源节点中确定该目的节点的邻居节点,并基于所述邻居节点对该目的节点进行更新;基于更新后的各个所述目的节点,从所述多个不同的目标标签中确定所述目标图像对应的类别标签
。
[0004]根据本公开实施例的第二方面,提供一种用于图像分类的神经网络,包括:特征提取网络,用于获取目标图像,确定多个源节点和多个目的节点,所述多个源节点包括 ...
【技术保护点】
【技术特征摘要】
1.
一种多标签图像分类方法,其特征在于,所述方法包括:获取目标图像;确定多个源节点和多个目的节点,所述多个源节点包括多个块节点,各个块节点用于表示目标图像的多个不同图像块中的各个图像块的特征向量,所述多个目的节点包括所述多个块节点和多个标签节点,各个所述标签节点用于表示多个不同的目标标签中的各个目标标签的标签向量;对于所述多个目的节点中的每一个目的节点,基于目的节点与各个源节点之间的相似度,从所述多个源节点中确定该目的节点的邻居节点,并基于所述邻居节点对该目的节点进行更新;基于更新后的各个所述目的节点,从所述多个不同的目标标签中确定所述目标图像对应的类别标签
。2.
根据权利要求1所述的方法,其特征在于,所述基于目的节点与各个源节点之间的相似度,从所述多个源节点中确定该目的节点的邻居节点,包括:对每一个所述目的节点进行分裂,得到所述目的节点的多个子目的节点,所述目的节点的多个不同子目的节点分别基于所述目的节点所表示的特征向量或标签向量在各个维度的元素得到;对每一个所述源节点进行分裂,得到该源节点的多个子源节点,所述源节点的多个不同的子源节点分别基于所述源节点所表示的特征向量在各个维度的元素得到;将所述多个目的节点中每个目的节点的多个子目的节点和所述多个源节点中每个源节点的多个子源节点进行分组,同一分组中的各个子目的节点和该分组中的各个子源节点均对应于相同的维度;对每个分组中的任一子目的节点,基于所述子目的节点与所在的目标分组中各个子源节点之间的相似度,从所述目标分组中的各个子源节点中确定所述子目的节点的预设数量个邻居子节点;基于同一目的节点的各个子目的节点的邻居子节点所属的源节点确定所述目的节点的邻居节点
。3.
根据权利要求2所述的方法,其特征在于,所述基于所述邻居节点对该目的节点进行更新,包括:基于所述目的节点的每一子目的节点与所述子目的节点的邻居子节点所表示的特征向量或标签向量在对应维度上的特征之间的最大差值,得到所述每一子目的节点对应的最大特征差;对所述目的节点以及所述目的节点的各个子目的节点对应的最大特征差进行拼接后进行线性处理,并基于线性处理的结果,对所述目的节点进行更新
。4.
根据权利要求1至3任一项所述的方法,其特征在于,所述方法由用于图像分类的神经网络执行,所述神经网络包括串联的多个子网络;所述确定多个源节点和多个目的节点,包括:确定输入所述多个子网络中每个子网络的源节点和目的节点;所述基于目的节点与各个源节点之间的相似度,从所述多个源节点中确定该目的节点的邻居节点,并基于所述邻居节点对该目的节点进行更新,包括:
针对所述多个子网络中的每个子网络,基于输入所述子网络的源节点与输入所述子网络的目的节点之间的相似度确定输入所述子网络的每个目的节点的邻居节点;基于输入所述子网络的每个目的节点的邻居节点对输入所述子网络的每个目的节点进行更新;将所述子网络的更新后的各个目的节点输出至下一子网络;其中,最后一个子网络的更新后的目的节点用于确定所述目标图像对应的类别标签
。5.
根据权利要求4所述的方法,其特征在于,在将所述子网络的更新后的各个目的节点输出至下一子网络之前,所述方法包括:对所述子网络的各个源...
【专利技术属性】
技术研发人员:姚锐杰,金晟,刘文韬,钱晨,
申请(专利权)人:商汤人工智能研究中心深圳有限公司,
类型:发明
国别省市:
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。