[发明专利]一种图像识别方法及系统

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取图像信息，提取所述图像的特征数据；

对所述特征数据进行标记，转换成多示例的表示形式；

通过多示例加权包进行机器学习，并进行多任务学习环境的扩展；

训练得到多示例多任务图像识别分类器，对所述图像进行识别分类。

2.根据权利要求1所述的图像识别方法，其特征在于，通过多示例加权包进行机器学习，具体包括：

对所述包示例中的噪声数据进行处理，赋予所述包示例不同的权值，利用迭代的训练分类器，训练示例权值，改进包表示。

3.根据权利要求2所述的图像识别方法，其特征在于，进行多任务学习环境的扩展，具体包括：

利用多任务中的人物中共享图像的信息，确定所述图像之间的关联性。

4.根据权利要求3所述的图像识别方法，其特征在于，对所述特征数据进行标记，转换成多示例的表示形式，具体包括：

将所述特征数据转换为矩阵数据；

假设存在T个分类任务，则第t个分类任务的数据集表示为D_t，包含|N_t|个负多示例包和|P_t|个正多示例包，此时

D_t＝N_t∪P_t；

Nt=[B1t,...,Bit,...,B|Nt|t];]]>

Pt=[B1t,...,Bjt,...,B|Pl|t];]]>

其中，N_t表示第t个分类任务的负示例包；P_t表示第t个分类任务的正示例包；B_it表示负多示例包，由m个示例组成；B_jt表示正多示例包，由m个示例组成；

N_t对应的标签集为Y_it∈{-1，+1}表示第t个分类任务中的负多示例包B_it所关联的标签；P_t对应的标签集为Y_jt∈{-1，+1}表示为第t个分类任务中的正多示例包B_jt所关联的标签。