[发明专利]基于显著性无监督部件划分的弱结构物体细粒度分类方法在审
| 申请号： | 201910427847.0 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110147840A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 庞程;周李;蓝如师;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 |
| 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： | 杨雪梅 |
| 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： | 本发明公开了基于显著性无监督部件划分的弱结构物体细粒度分类方法，步骤为：获取数据集训练样本D；对数据集训练样本D进行前景分割处理，得到处理后数据集D1；基于显著性无监督部件划分方法对数据集D1使用显著性信息对花朵图像前景进行无监督的部件结构的划分，并对局部特征提取和编码池化，产生特征数据集D2；将数据集D2结合多种特征SIFT、dense SIFT和Lab color计算融合多特征的中层特征表示，使用全局提取并池化的特征对图像数据集进行分类，得到物体细粒度的分类结果。该方法模拟人类观察物体的过程，有效提高特征编码的判别能力，在弱结构物体分类中，不用引入新类型的特征，即可与全局类的方法形成互补，方便扩展到应用了任何全局特征的分类方法中。 | ||
| 搜索关键词： | 数据集 无监督 结构物体 显著性 细粒度分类 训练样本 分类 局部特征提取 图像数据集 显著性信息 部件结构 分类结果 获取数据 模拟人类 前景分割 全局特征 特征编码 特征表示 特征数据 细粒度 并池 池化 全局 花朵 中层 图像 融合 引入 观察 应用 | ||
【主权项】：
1.基于显著性无监督部件划分的弱结构物体细粒度分类方法，其特征在于，包括如下步骤：S1、获取数据集训练样本D；S2、对步骤S1获得的数据集训练样本进行前景分割处理，使用弱结构图像的结构先验指导分割过程，通过加入结构先验和融合多种分割方法，改进了一种基于显著性检测的分割方法，使用该方法对数据集进行前景分割，可得到处理后数据集D1；S3、基于显著性无监督部件划分方法，对步骤S2的经过前景分割后的数据集D1，使用显著性信息对花朵图像前景进行无监督的部件结构的划分，以及对局部特征提取和编码池化，产生特征数据集D2；S4、根据步骤S3得到的特征数据集D2，再结合多种特征SIFT，dense SIFT 和Lab color，进一步计算融合多特征的中层特征表示，使用全局提取并池化的特征，再对图像数据集进行分类，得到物体细粒度的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201910427847.0/，转载请声明来源钻瓜专利网。
