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：西安理工大学

摘要：本申请提供一种扁平图像分类任务重组成树形图像分类任务的方法及系统，涉及图像分类技术领域，所述方法包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；基于特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；余弦相似度矩阵表示特征矩阵中所有类别特征向量的两两相似度；边界清晰度矩阵表示特征矩阵中不同类别的特征向量在空间中的分离程度；计算易区分性矩阵；根据易区分性矩阵的易区分性预设值，将扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式，以解决目前的图像分类模型通过将所有类型的图片采用扁平化的形式统一输入到神经网络中进行训练，会造成算力的浪费以及无法对分类的图片进行模块化处理的问题。

主权项：1.一种扁平图像分类任务重组成树形图像分类任务的方法，其特征在于，包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；所述扁平图像数据集包括：若干个不同类别的图像；基于所述特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；所述余弦相似度矩阵表示所述特征矩阵中所有类别特征向量的两两相似度；所述边界清晰度矩阵表示所述特征矩阵中不同类别的特征向量在空间中的分离程度；基于所述余弦相似度矩阵、边界清晰度矩阵，计算易区分性矩阵；所述易区分性矩阵通过下述公式所确定： ；式中，similarity_matrix为余弦相似度矩阵；clarity_matrix为边界清晰度矩阵；根据所述易区分性矩阵的易区分性预设值，将所述扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式；所述基于所述特征矩阵计算得到余弦相似度矩阵包括：基于所述特征矩阵，提取第一类图像的第一图像特征；所述第一类图像为所述扁平图像数据集中任意类别的图像；基于所述第一图像特征，计算所述第一图像特征的平均值，得到第一类别中心；基于所述特征矩阵，提取第二类图像的第二图像特征；所述第二类图像为所述扁平图像数据集中任意类别的图像；基于所述第二图像特征，计算所述第二图像特征的平均值，得到第二类别中心；根据所述扁平图像数据集中全部类别图像对应的所述第一类别中心、第二类别中心，利用余弦相似度公式，得到余弦相似度矩阵；所述基于所述特征矩阵计算得到边界清晰度矩阵包括：基于所述特征矩阵，根据数据标签，得到第一数据特征和第二数据特征；所述第一数据特征和所述第二数据特征为所述扁平图像数据集中任意两个类别图像对应的数据特征；所述数据标签为所述扁平图像数据集中每种类别图像的分类文本；利用所述第一数据特征和所述第二数据特征训练支持向量机模型，得到支持向量到决策边界的平均距离和支持向量数量；基于所述支持向量到决策边界的平均距离和所述支持向量数量，得到边界清晰度矩阵。

全文数据：

权利要求：

百度查询： 西安理工大学 扁平图像分类任务重组成树形图像分类任务的方法及系统