[发明专利]一种双线性金字塔网络花卉图像分类方法在审
申请号: | 202110450853.5 | 申请日: | 2021-04-26 |
公开(公告)号: | CN113191414A | 公开(公告)日: | 2021-07-30 |
发明(设计)人: | 庞程;卞小曼;蓝如师;王文颢;刘振丙;罗笑南 | 申请(专利权)人: | 桂林电子科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06N3/04;G06N3/08 |
代理公司: | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人: | 童世锋 |
地址: | 541004 广*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 双线 金字塔 网络 花卉 图像 分类 方法 | ||
1.一种双线性金字塔网络花卉图像分类方法,其特征在于,包括如下步骤:
1)将需要分类的花卉原始图像的大小调整至224*224,并随机裁剪为192*192;
2)将步骤1)调整后的图像通过双线性金字塔网络对花卉图像进行特征提取;
3)将步骤2)提取得到的特征输入分类器中进行分类后输出,得到花卉的分类结果。
2.根据权利要求1所述的一种双线性金字塔网络花卉图像分类方法,其特征在于,步骤2)中,所述的特征提取,包括如下步骤:
2-1)将步骤1)调整后的图像通过特征提取器VGG-16提取图像特征图;
2-2)对步骤2-1)得到的图像特征图通过双线性特征金字塔进行再加工,训练得到最终的分类向量;
所述的特征提取器VGG-16,是采用VGG-16中conv5_1之前的配置。
所述的双线性特征金字塔,是采用VGG-16中最后三个卷积层作为双线性池化的特征金字塔。
3.根据权利要求2所述的一种双线性金字塔网络花卉图像分类方法,其特征在于,所述的特征再加工过程即训练过程,是采用标准随机梯度下降(SGD),学习率为0.01,当达到最大迭代100000时终止;
所述的再加工,包括如下步骤:
2-2-1)在特征提取器VGG-16的最后三个卷积层conv5_1、conv5_2、conv5_3中引入上行采样层和双线性池化层,得到它们特征的双线性积,具体是:
将第k个卷积层的特征与第k-1个卷积层的特征融合,即令x=[x1,x2,...,xc]T表示在第k个卷积层的特征映射的空间位置上有c个通道的特征,则双线性模型为:
bi=xtMix (1)
其中bi是指定位置i的双线性模型的输出,M=[M1,M2,…,Mi,..,Mj]∈Rc×c×j是一组用于投影的可学习的矩阵,以将投影矩阵Mi进一步分解为两个低秩向量Di和从而利用向量对公式(1)进行更新,并重写为指定所有位置的双线性模型的输出为:
b=Ct(Dtx*Qtx) (2)
其中C表示分类矩阵,D和Q是由低秩向量组成的两个投影矩阵,*是Hadamard乘积,合并两个相邻层的特征后得:
b=Ct(DtS(x)*Qty) (3)
其中S(x)表示x的上采样特征,而y是来自相邻卷积层的特征;
令B(·)表示网络中两个相邻层之间的特征之间的上述双线性池化操作,xb表示基本特征提取器产生的特征,则基本特征提取模块之后的第i个卷积层的双线性描述符xi通过以下方式获得:
xi=B(Hi(xb)) (4)
H1(·)=F(·) (5)
Hi(·)=F(Hi-1(·) (6)
其中F(·)是网络中的卷积运算,而Hi(·)是i个卷积的组合;
2-2-2)将双线性积先送入到全连接层fc_7得到的结果输入到全连接层fc_8得到最终的分类向量;其中fc_8是预定义的VGG-16层,并新添加了fc_7以增强网络的非线性特性。
4.根据权利要求1所述的一种双线性金字塔网络花卉图像分类方法,其特征在于,步骤3)中,所述的输出,输出层选用激活函数softmax作为分类器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110450853.5/1.html,转载请声明来源钻瓜专利网。