[发明专利]一种卡通人物图像分类处理方法与系统

权利要求书

1.一种卡通人物图像分类处理方法，其特征在于，包含：

获取卡通视频中每个卡通人物的卡通人物图像数据；

对所述卡通人物图像数据进行特征向量的提取得到卡通人物特征向量；

根据所述卡通人物特征向量对卡通人物进行聚类、分类得到卡通人物分类数据；

依据所述卡通人物分类数据判断卡通人物是否为已知卡通人物并进行标注并存储至数据库。

2.如权利要求1所述的一种卡通人物图像分类处理方法，其特征在于，采用卷积神经网络对卡通视频中每一帧出现的卡通人物进行检测并在卡通人物的图像上进行检测框的标记，截图所述检测框内的内容获取每个卡通人物的所述卡通人物图像数据。

3.如权利要求1或2所述的一种卡通人物图像分类处理方法，其特征在于，获取所述卡通人物特征向量后还需判断所述卡通视频是否结束；

若所述卡通视频未结束，则继续获取所述卡通视频中卡通人物的卡通人物图像数据；

若所述卡通视频结束，则结束所述卡通人物图像数据的获取。

4.如权利要求3所述的一种卡通人物图像分类处理方法，其特征在于，采用卷积神经网络对所述卡通人物图像数据进行特征向量的提取得到卡通人物特征向量；

所述卷积神经网络根据特征提取模型提取卡通人物的所述卡通人物特征向量；

所述卷积神经网络包含注意力模块，所述注意力模块用于获取所述卷积神经网络中某些层的特征图，将特征图经过卷积和Sigmoid激活函数后生成一个与特征图同样大小的权重掩码，将掩码与特征图相乘，获取修正的特征图。

5.如权利要求4所述的一种卡通人物图像分类处理方法，其特征在于，还包含对所述特征提取模型的优化，采用三元组损失对所述特征提取模型进行优化，具体方法如下：

三元组损失定义在一个三元组数据输入上a,p,n；

其中，a表示三元组损失中的锚样本，锚样本为某一类别的样本；

p是与a同一类别的样本；

n是与a不同类别的样本；

损失函数定义为L＝max(d(a,p)-d(a,n)+M,0)；

a,p,n都是对应样本的特征向量；

d(a,p)是计算样本a与样本p间距离的函数，d(a,n)是计算样本a与样本n间距离的函数，采用欧氏距离；

M是控制不同类别数据分布间隔的一个超参数；

使用在线难例挖掘的方法为每个训练批次选择c个类别，每个类别选择k个样本，总共c×k个样本；

计算当前批次中所有样本间的距离矩阵，将每个样本作为锚样本，选择使得d(a,p)最大的p和使得d(a,n)最小的n作为难例来计算损失值L；

根据损失值L并通过反向传播更新所述特征提取模型。

6.如权利要求1所述的一种卡通人物图像分类处理方法，其特征在于，采用密度聚类方法对所述卡通人物特征向量进行聚类计算得到所述卡通人物分类数据。

7.如权利要求6所述的一种卡通人物图像分类处理方法，其特征在于，所述卡通人物分类数据中存储有多个类别的卡通人物信息数据，每个类别的卡通人物信息数据包含卡通人物信息、所述卡通人物特征向量、所述卡通人物图像数据；

依据所述卡通人物分类数据判断卡通人物是否为已知卡通人物的过程如下：

提取一个类别的所述卡通人物信息数据与所述数据库内已知卡通人物信息通过计算特征向量之间的余弦距离的方法获得相似度；

若相似度大于等于预设阈值则展示该卡通人物的卡通人物信息、卡通人物图像数据；

若相似度小于预设阈值则进行标注并存储或舍弃。