一种针对特定场景下无训练负样本的图像分类方法技术

本发明专利技术提出一种针对特定场景下无训练负样本的图像分类方法，收集各类别图片数据，设需要进行图片分类的类别有K类，收集并整理这K类图片数据集；将训练数据集进行训练集和测试集划分后进行图像预处理，输入目标检测模型中，获得目标检测模型；将数据集重新输入训练好的目标检测模型中，获取目标检测模型在每类数据集上的错误率；确定分类模型每个样本权重；根据每张训练图片样本权重构建分类模型损失函数；进行分类模型训练，获得分类模型；获得训练样本每个类别的特征表示，然后与待预测图片的特征表示进行余弦相似度计算，确定图像分类预测输出；解决了特定场景下无训练负样本数据仍然进行图片分类问题；大大降低了获取数据的难度。

【技术实现步骤摘要】

本专利技术涉及图像分类，尤其涉及一种针对特定场景下无训练负样本的图像分类方法。

技术介绍

1、图像分类是计算机视觉任务的一项基本任务，是实现目标检测、目标分割、姿态估计等应用的重要基础，因此图像分类技术有很高的学术研究和应用价值。传统的图像分类主要依赖人工设计的提取器，需要有专业知识及复杂的调参过程，同时每个方法都是针对具体应用，泛化能力及鲁棒性较差。而基于深度学习的图像分类方法突破了此瓶颈，成为目前图像分类的主流方法。

2、考虑以下场景。为了使城市更美好，相关部门号召市民对城市街道垃圾进行拍照上传获取相应鼓励，然后迅速安排相关人员进行现场处理。初看是垃圾检测的目标检测问题。但如果有些不友好的市民只为了赚取鼓励，而上传一些室内垃圾或乡间道路垃圾或河边垃圾等非城市街道垃圾。由于这些非城市街道垃圾中包含目标垃圾，因此使用垃圾检测算法时，很可能错误地将其归为目标类别。这属于特定场景下的目标检测。若需使用目标检测方法，有两种实现方法。一是训练集中需包含其它场景下的垃圾数据集。若把城市街道的垃圾作为正样本，则其它场景下的垃圾为负样本，因此需要获取其它场景本文档来自技高网...

【技术保护点】

1.一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述方法为：

2.根据权利要求1所述的一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述将训练数据集进行训练集和测试集划分后进行图像预处理，将处理后的图像数据输入目标检测模型中，训练Backbone和目标检测部分参数，获得目标检测模型的步骤中，包括；

3.根据权利要求1所述的一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述将DK重新输入训练好的目标检测模型中，获取目标检测模型在每类数据集Dk上的错误率εk的步骤中，包括；

4.根据权利要求3所述的一种针对特定场景下无...

【技术特征摘要】

1.一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述方法为：

2.根据权利要求1所述的一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述将训练数据集进行训练集和测试集划分后进行图像预处理，将处理后的图像数据输入目标检测模型中，训练backbone和目标检测部分参数，获得目标检测模型的步骤中，包括；

3.根据权利要求1所述的一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述将dk重新输入训练好的目标检测模型中，获取目标检测模型在每类数据集dk上的错误率εk的步骤中，包括；

4.根据权利要求3所述的一种针对特定场景下无训练负样本的图像分类方法，其特征在于，所述分类模型训练样本权重公式为：

5.根据权利要求4所述的一种针对特定场景下...

【专利技术属性】
技术研发人员：夏志超，吴君卓，史波，郭勇，罗强，
申请(专利权)人：江西电信信息产业有限公司，
类型：发明
国别省市：