System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能领域,尤其涉及一种基于神经网络的分类器、分类方法及存储介质。
技术介绍
1、在基于神经网络的分类技术中,背景信息的存在通常会影响分类模型的精度。因此我们希望在训练分类模型之前能够将背景信息排除。要排除背景信息,首先需要对目标对象进行准确的定位,也就是要在图像中框选出目标对象。在现有技术中,通常取图像中超过预设阈值的最大连通区域的外界框作为目标对象的外界框。这种方式定位出的目标对象的外界框通常是不准确的。例如,可能会将目标对象的局部定位为外界框。在其他情况下,也可能存在定位出的外界框包含过多北京信息的情况。
技术实现思路
1、本申请是鉴于以上问题做出的。在一个示例性方面,本公开提供了一种基于神经网络的分类器,包括:样本获取单元,其被配置为获取包括目标对象的第一图像;目标对象框选单元,其被配置为在所述第一图像中确定包围所述目标对象的外界框;以及分类单元,其被配置为基于所确定的所述目标对象的外界框对所述目标对象进行分类。所述目标对象框选单元包括:深层特征提取部分,其被配置为提取所述第一图像的深层特征;浅层特征提取部分,其被配置为提取所述第一图像的浅层特征;和融合部分,其被配置为将所述深层特征和浅层特征进行加权融合以得到类激活图,从而使所述目标对象框选单元基于所述类激活图确定包围所述目标对象的外界框。
2、在一些实施例中,所述目标对象框选单元还包括:全局特征提取部分,其被配置为提取所述第一图像的全局特征,并且所述融合部分还被配置为将所述深层特征、浅层特征和所述
3、在一些实施例中,所述目标对象框选单元还包括:候选外界框生成部分,其被配置对所述类激活图进行二值化处理,生成多个候选外界框。
4、在一些实施例中,候选外界框生成部分还被配置为:基于所述类激活图确定第一阈值;根据所述第一阈值对所述类激活图进行二值化;将二值化后的所述类激活图中多个连通区域的多个外界框确定为所述多个候选外界框。
5、在一些实施例中,候选外界框生成部分还被配置为:基于所述类激活图通过自适应算法确定所述第一阈值。
6、在一些实施例中,所述目标对象框选单元还包括:投票部分,其被配置为基于所述多个候选外界框的特征值、面积和位置,将所述多个候选外界框中的一个确定为包围所述目标对象的外界框。
7、在一些实施例中,所述投票部分还被配置为将所述多个候选外界框中面积小于第二阈值的候选外界框丢弃。
8、在一些实施例中,基于所述多个候选外界框的特征值、面积、位置,将所述多个候选外界框中的一个确定为包围所述目标对象的外界框包括:计算所述多个候选外界框中每一个候选外界框的概率评分、面积评分和位置评分;以及基于所述多个候选外界框中每一个候选外界框的概率评分、面积评分和位置评分,确定包围所述目标对象的外界框。
9、在一些实施例中,基于所述多个候选外界框中每一个候选外界框的概率评分、面积评分和位置评分,确定包围所述目标对象的外界框包括:分别针对所述概率评分、面积评分和位置评分对所述多个候选外界框进行三次排序;以及将所述三次排序中排序相较其余候选外界框更靠前的候选外界框确定为包围所述目标对象的外界框。
10、在一些实施例中,基于所述多个候选外界框中每一个候选外界框的概率评分、面积评分和位置评分,确定包围所述目标对象的外界框包括:针对所述多个候选外界框中每一个候选外界框计算所述概率评分、面积评分和位置评分的和;并且将所述概率评分、面积评分和位置评分的和最大的候选外界框确定为包围所述目标对象的外界框。
11、在另一示例性方面,本公开提供了一种基于神经网络的分类方法,包括:获取包括目标对象的第一图像;在所述第一图像中确定包围所述目标对象的外界框;以及基于所确定的所述目标对象的外界框对所述目标对象进行分类。在所述第一图像中确定包围所述目标对象的外界框包括:提取所述第一图像的深层特征;提取所述第一图像的浅层特征;将所述深层特征和浅层特征进行加权融合以得到类激活图;以及基于所述类激活图确定包围所述目标对象的外界框。
12、在又一示例性方面,本公开提供了一种非暂时性计算机可读存储介质,其上存储有计算机指令,其中,所述计算机指令被处理器执行时,使所述处理器执行使用如前所述的基于神经网络的分类器对目标对象进行分类的方法。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的分类器,包括:
2.如权利要求1所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
3.如权利要求1或2所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
4.如权利要求3所述的基于神经网络的分类器,其中,候选外界框生成部分还被配置为:
5.如权利要求4所述的基于神经网络的分类器,其中,候选外界框生成部分还被配置为:
6.如权利要求3至5中任一项所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
7.如权利要求6所述的基于神经网络的分类器,其中,基于所述多个候选外界框的特征值、面积、位置,将所述多个候选外界框中的一个确定为包围所述目标对象的外界框包括:
8.如权利要求7所述的基于神经网络的分类器,其中,基于所述多个候选外界框中每一个候选外界框的概率评分、面积评分和位置评分,确定包围所述目标对象的外界框包括:
9.一种基于神经网络的分类方法,包括:
10.一种非暂时性计算机可读存储介质,其上存储有计算机指令,其中,所述
...【技术特征摘要】
1.一种基于神经网络的分类器,包括:
2.如权利要求1所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
3.如权利要求1或2所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
4.如权利要求3所述的基于神经网络的分类器,其中,候选外界框生成部分还被配置为:
5.如权利要求4所述的基于神经网络的分类器,其中,候选外界框生成部分还被配置为:
6.如权利要求3至5中任一项所述的基于神经网络的分类器,其中,所述目标对象框选单元还包括:
7.如权利要求6所述的基于神...
【专利技术属性】
技术研发人员:梁潇,余雯,中村一成,川波稜,福岛悠介,李安新,
申请(专利权)人:株式会社NTT都科摩,
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。