[发明专利]一种图片多标签分类方法

说明书

本发明公开了一种图片多标签分类方法，其特征在于，包括步骤1、收集图片样本；步骤2、数据的预处理；步骤3、根据训练样本规模，定制的深度网络结构；步骤4、以预测各类标签的平均损失为目标，训练至收敛；步骤5、训练完成，预测待测图片的标签属性。达到在大批量样本训练的情况下，预测效果优于机器学习；在工程应用中，针对不同样本规模，定制适配的深度网络结构，构造合适的网络结构训练至收敛，已得到可靠的多标签分类模型，取得平均96％的高准确率；多标签分类在多分类基础上再进一层，可以预测图片的一组标签属性，能更完美地迎合图片筛选，素材分类归档等任务。

技术领域

本发明涉及计算机的图像深度学习领域，特别是涉及一种图片多标签分类方法。

背景技术

1张图片包含多元信息，图片分类技术只允许1张图片对应1个预测目标，如手写数字识别，1张手写数字图片仅对应1个0-9的数字识别结果，不能预测出字体风格，书写美观度等多重属性，往往不能满足应用的需求。因此，需要一种图片分类方法，能允许1个输入样本对应1组目标输出，即1张图片预测1组与之相关的标签属性，这样可以更方便地进行图片筛选，素材分类归档等任务。在工程应用中，能获取到的图片样本规模因项目而异，时多时少，针对不同样本规模，需要构造不同复杂程度的网络结构进行训练，才能得到可靠预测效果，否则无法达到应用门槛。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种图片多标签分类方法。

为解决上述技术问题，本发明提供一种图片多标签分类方法，其特征在于，包括如下步骤：

步骤1、收集图片样本，所述图片样本规模至少在100k张；整理每张图对应的1组标签属性，所述1组标签属性至少包含2个标签属性，所述不同标签属性之间互相独立，不存在范围重叠或包含关系；

步骤2、数据的预处理，将每张图片尺寸更改为224×224×3；

步骤3、根据训练样本规模，定制的深度网络结构，所述深度网络结构由keras定制，网络输出类别数即标签类别数；所述深度网络结构包括至少5个卷积层：卷积层由至少32个卷积核串联构成，全连接层包含256个节点，dropout随机丢弃节点设为0.5，并行soft-max(parallel-soft-max)用于分别预测各类标签属性，各soft-max层并联连接；

步骤4、以预测各类标签的平均损失为目标，训练至收敛；

步骤5、训练完成，预测待测图片的标签属性。

所述步骤3中，当样本数量在100k-1000k张，则构建包含5个卷积层的深度网络，其中包括2个由32个3×3卷积核(conv3-32)串联构成和3个由64个3×3卷积核(conv3-64)串联构成的卷积层。

所述步骤3中，当样本数量在1000k-10000k张，则构建包含7个卷积层的深度网络，其中包括2个由64个3×3卷积核(conv3-64)串联构成、2个由128个3×3卷积核(conv3-128)串联构成的和3个由256个3×3卷积核(conv3-256)串联构成的卷积层。

所述步骤3中，当样本数量在10000k张以上时，则构建包含9个卷积层的深度网络，其中包括2个由64个3×3卷积核(conv3-64)串联构成、2个由128个3×3卷积核(conv3-128)串联构成的、2个由256个3×3卷积核(conv3-256)串联构成的、3个由512个3×3卷积核(conv3-512)串联构成的卷积层和1个512个1×1卷积核(conv1-512)卷积层。