买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明公开了一种基于语义解耦的零样本辅助小样本图像分类方法，本发明涉及图像识别技术领域，小样本图像分类方法具体步骤为：构建语义矩阵、数据预处理、零样本模型分类、小样本基础模型分类和模型集成获得最终分类结果，本发明的优点在于：通过辅助类别与目标类别处于同一个大类，以便于构建更科学合理的语义矩阵，通过对辅助类别选取，保证能够获取到较多的辅助类别图像样本，便于后续零样本分类环节的运行，通过将所有图像的特征矩阵等验证集样本序号统一封装保存为mat格式，方便后续程序直接调用，通过在现有的广义零样本分类方法基础上引入了语义解耦的概念，解决了在水下图像分类任务中将专家领域知识直接应用于分类模型中提高模型性能。

主权项：1.一种基于语义解耦的零样本辅助小样本图像分类方法，其特征在于，所述基于语义解耦的零样本辅助小样本图像分类方法具体步骤如下：S10、构建语义矩阵，语义矩阵是专家领域知识的载体，包括两个维度，第一维度为所有已见过和未见过的类别名称，第二维度为能够将第一维度的类别区分开来的语义特征列表，在小样本图像分类任务中，给定有目标类别样本，在构建语义矩阵的过程中，要包含这一部分目标类别对应零样本分类中的未见过类别，也要根据专家领域知识构建相关的辅助类别对应零样本分类中的已见过类别，将辅助类别和目标类别处于一个大类；S20、数据预处理，收集所有可用于训练的目标类别未见过类别图像样本，以及能找到的可用于训练的辅助类别已见过类别图像样本，并对其进行数据预处理，判断图像性质，图像为光学图像时，根据各类数据数量差异进行适当的旋转、翻转、模糊、明暗变化等处理增加训练用图像数量，保证最终各个类别训练图像数量整体均衡，图像为声纳图像时，需要进行去噪、滤波等操作提升图像质量，再进行后续预处理操作，在图像处理完成后，利用预训练好的resnet残差网络模型将所有训练用图像转化成一组2048维的矩阵，矩阵的每一行代表一张图像的特征信息；S30、零样本模型分类，在语义解耦的广义零样本模型基础上，调用上述封装好的数据集，并选择“zsl”零样本模式，开始模型的训练和测试，在对语义解耦的广义零样本模型原始代码进行改动，将模型输出从分类准确率中修改为每一张图像的分类结果序列类别标签序列和属于该分类的预测概率结果序列；S40、小样本基础模型分类，采用小样本基础模型进行分类的目的是证明用零样本方法辅助传统小样本分类模型的可行性，以较为常见的卷积神经网络模型作为小样本基础分类模型，在目标类别未见过类别的训练集进行训练后，在测试集上进行测试，可得到小样本基础模型的分类精度；S50、模型集成获得最终分类结果，利用一种基于确定性系数的集成方法来对两种方法的结果进行集成，可给定多种其他小样本分类模型，也可替换成传统的多数投票为基础的集成方案，使用S30和S40中保留下来的模型分类概率来计算集成方法基于确定性系数，针对每一个样本先计算每种方法的确定系数，再根据两种方法的确定系数计算两种方法的相对权重占比，样本的集成分类结果等于两种方法的分类概率与相对权重的加权平均值。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于语义解耦的零样本辅助小样本图像分类方法