[发明专利]一种自适应的多视角图像分类方法及系统

摘要

本发明公开了一种自适应的多视角图像分类方法及系统，将多视角标签传播和自适应多图权重学习整合到一个统一的框架中，充分探索各视角间的互补性，通过引入线性变换来获取不同视角空间的权重参数，进而结合每个视角构建最优的权重系数。由于在多视角数据权重学习方面采用了自适应方式，可以避免传统的单视角和多视角标签传播方法过程中遇到的复杂而棘手的近邻数量或高斯核参数选择难问题。模型主要通过在训练过程中最小化基于多视角数据的分类误差和其重构系数之中的重构误差，最终输出样本的类别归属概率，取概率的最大值，用于图像类别的鉴定，得到最准确的分类结果。

主权项

1.一种自适应的多视角图像分类方法，其特征在于，包括：(1)、对原始多视角数据集进行随机划分，获得有标签训练集及无标签训练集，根据划分出来的所述有标签训练集和无标签训练集进行类别标签矩阵初始化；(2)、联合自适应多图重建权重学习和多视角标签传播构建统一的框架进行学习训练，实现稀疏重构误差和分类误差同时最小化，同时在稀疏编码系数和重构错误施加L2,1范数正则化，提升整体预测准度和鲁棒性；(3)、通过迭代优化对所述框架求解最小化问题，得到预测类别软标签矩阵，基于所述预测类别软标签矩阵确定待测样本对应的类别标签。