基于模型搜索的两阶段图像分类方法技术

本发明专利技术公开了基于模型搜索的两阶段图像分类方法，目的是解决现有图像分类方法图像分类准确性不高且分类时间较长等问题。技术方案是：构建图像分类模型库M和含两个搜索模块的图像分类系统，对第一搜索模块进行训练，使用训练好的第一搜索模块根据用户输入的需求文本q在M中进行搜索，得到与q最匹配的20个模型，第二搜索模块为20个模型进行评分及排序得到最优图像分类模型；对最优图像分类模型进行训练，得到训练好的最优图像分类模型；采用训练好的最优图像分类模型对用户上传的无标签图片进行分类。本发明专利技术能根据用户选型需求快速准确地从模型库中搜索到合适的图像分类模型，提高图像分类精度和分类速度，降低用户的专业性要求。

【技术实现步骤摘要】

本专利技术涉及图像分类领域，具体涉及一种基于模型搜索的两阶段图像分类方法。

技术介绍

1、图像分类是计算机视觉的一个重要任务，它的目的是将输入的图像分配到预定义的类别中，例如猫、狗、飞机等。图像分类的应用非常广泛，例如人脸识别、医学影像分析、自动驾驶等。

2、目前图像分类方法主要有以下几种：

3、基于手工特征的方法：这类方法主要是利用人工设计的特征提取器，如sift，hog，surf等，对图像进行全局或局部的描述，然后使用分类器，如knn，svm，决策树等，对图像进行分类。这类方法的优点是简单易实现，适用于一些简单的分类任务。缺点是特征提取器的设计依赖于人的经验和先验知识，难以适应复杂和多变的图像数据。

4、基于深度学习的方法：这类方法主要是利用深度神经网络作为分类模型，如卷积神经网络(cnn)，对图像进行端到端的学习和分类。这类方法的优点是能够自动学习图像的高层语义特征，具有强大的表达能力和泛化能力，适用于一些复杂和大规模的分类任务。缺点是需要大量的标注数据和计算资源，难以解释网络内部的工作机制。</p>

5、基于本文档来自技高网...

【技术保护点】

1.一种基于模型搜索的两阶段图像分类方法，其特征在于包括以下步骤：

2.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于1.2.4步所述对Code中的可运行代码进行排序的方法是：将模型的可运行代码分为三层：第一层是模型定义代码，包括网络结构相关代码和全局参数初始化代码；第二层是其他全局类名和函数名的定义代码；第三层是代码序列Code中剩余的其他代码；将第一层代码放在Code的最前面，第二层代码放在第一层代码之后，第三层代码放在最后。

3.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于3.1.7步所述扩充数据集，构成一个含有6vt个样本...

【技术特征摘要】

1.一种基于模型搜索的两阶段图像分类方法，其特征在于包括以下步骤：

2.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于1.2.4步所述对code中的可运行代码进行排序的方法是：将模型的可运行代码分为三层：第一层是模型定义代码，包括网络结构相关代码和全局参数初始化代码；第二层是其他全局类名和函数名的定义代码；第三层是代码序列code中剩余的其他代码；将第一层代码放在code的最前面，第二层代码放在第一层代码之后，第三层代码放在最后。

3.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于3.1.7步所述扩充数据集，构成一个含有6vt个样本的数据集的方法是：

4.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于3.2.1步所述标注方法是：

5.如权利要求1所述的基于模型搜索的两阶段图像分类方法，其特征在于4.2步所述设置网络训练超参数的方法是：将批处...

【专利技术属性】
技术研发人员：姜志杰，赵玲君，张元良，马迎伟，刘浩然，黄响兵，王冲，白林枭，李姗姗，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：