[发明专利]一种基于封面的书籍类型深度学习分类方法

权利要求书

1.一种基于封面的书籍类型深度学习分类方法，其特征在于，包括以下步骤：

S1、收集图书封面图像并制作训练数据集DTP；

S2、将训练数据集DTP输入深度学习模型并进行训练；

S3、使用S2所得到的深度学习模型对书籍进行分类。

2.根据权利要求1所述的一种基于封面的书籍类型深度学习分类方法，其特征在于：所述步骤S1中，操作步骤为：

S1a、收集大量图书封面图像，根据体裁进行将这些图像分为30个类别并进行标注；

S1b、将所有的图像调整到224×224的大小，得到图像数据DP；

S1c、使用视觉应用编程接口对数据集进行文本提取，得到文本数据DT；

S1d、将图像数据DP、文本数据DT和标注类别数据共同组成训练数据集DTP。

3.根据权利要求1所述的一种基于封面的书籍类型深度学习分类方法，其特征在于：所述步骤S2中，操作步骤为：

S2a、将训练数据集DTP中的图像数据DP输入基于视觉的深度学习网络；

S2b、将训练数据集DTP中的文本数据DT输入基于文本的深度学习网络；

S2c、将两个深度学习的输出进行直接拼接合并，得到全连接层；

S2d、将全连接层的数据直接输入softmax层进行分类；

S2e、使用梯度下降方法进行反向传播，更新网络参数；

S2f、训练结束后得到训练好的深度学习模型。

4.根据权利要求1所述的一种基于封面的书籍类型深度学习分类方法，其特征在于：所述步骤S3中，操作步骤为：

S3a、将封面图片调整到统一的尺寸224×224，得到图像数据xP；

S3b、使用谷歌云视觉应用编程接口对原始数据进行文本提取，得到文本数据xT；

S3c、将图像数据xP和文本数据xT输入S2所得到的训练好的模型中进行分类，得到待分类书籍的类别。

5.根据权利要求1所述的一种基于封面的书籍类型深度学习分类方法，其特征在于：所述步骤S2中，深度学习模型包括两个深度学习网络、一个全连接层和一个softmax分类器，其中基于视觉的深度学习网络使用残差神经网络模型，基于文本的深度学习网络使用通用句子编码器模型。

6.根据权利要求3所述的一种基于封面的书籍类型深度学习分类方法，其特征在于：所述步骤S2e中，梯度下降方法为:其中，θ_j为神经网络的参数，α为自行设置的学习率，J(θ)为误差函数。