CN112966743A - 基于多维度注意力的图片分类方法、***、设备及介质 - Google Patents
基于多维度注意力的图片分类方法、***、设备及介质 Download PDFInfo
- Publication number
- CN112966743A CN112966743A CN202110250561.7A CN202110250561A CN112966743A CN 112966743 A CN112966743 A CN 112966743A CN 202110250561 A CN202110250561 A CN 202110250561A CN 112966743 A CN112966743 A CN 112966743A
- Authority
- CN
- China
- Prior art keywords
- picture
- model
- picture classification
- classification model
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013145 classification model Methods 0.000 claims abstract description 79
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于多维度注意力的图片分类方法,利用构建图片数据集,根据预设场景定义图片数据集中各个图片的图片分类标签;构建图片分类模型,图片分类模型中添加有多维度注意力机制;使用图片数据集训练图片分类模型;抽样测试和验证图片分类模型,根据测试结果优化图片分类模型;将待分类的图片输入图片分类模型,得到输出的分类结果。该图片分类方法通过多维度注意力机制模块,重新设计并训练深度学习模型,能够实现轻量级、快速、高准确率的山岳峰谷场景图像分类任务,可替代人工审核分类工作,大幅度节约人工运营成本,提高图像利用效率,提升用户体验。
Description
技术领域
本发明涉及图片分类的技术领域,尤其涉及一种基于多维度注意力的图片分类方法、***、设备及存储介质。
背景技术
对于种类繁多的图片如何精准的理解图片中的内容并准确的分类成为研究的热点,也是实际应用场景下急需解决的问题。
近年来,注意力机制的引入为图像分类任务注入了新的活力,但是这些基于注意力机制的算法往往仅关注某一维度的特征,准确度低,用于审核的人力成本高,总体效率低下。
发明内容
针对现有技术中的问题,本发明的目的在于提供一种基于多维度注意力的图片分类方法、***、设备及介质,能够通过多维度注意力机制模块,重新设计并训练深度学习模型,能够实现轻量级、快速、高准确率的图片分类任务。
本发明实施例提供一种基于多维度注意力的图片分类方法,包括如下步骤:
构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
使用所述图片数据集训练所述图片分类模型;
抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
将待分类的图片输入所述图片分类模型,得到输出的分类结果。
可选的,根据预设场景定义所述图片数据集中各个图片的图片分类标签步骤包括:
根据预设场景定义多个图片分类标签,所述图片分类标签与所述预设场景相对应;
依据所述图片分类标签将所述图片数据集中的图片分类;
将不属于所述图片分类标签的图片定义为其他标签。
可选的,构建图片分类模型的步骤包括:
采用基于开源数据预训练的wide resnet50模型构建图片分类模型的基础模型结构;
在所述基础模型结构中加入多维度注意力机制模块,所述多维度注意力机制模块用于对中间特征图和最终特征图基于多维度注意力机制进行调整,得到图片分类模型。
可选的,所述wide resnet50模型包括依次串联的第一卷积结构、第二卷积结构、第三卷积结构、第四卷积结构和第五卷积结构,分别在所述第三卷积结构和所述第五卷积结构之后加入所述多维度注意力机制模块,得到所述图片分类模型。
可选的,所述训练图片分类模型的步骤包括:
采用加权的交叉熵构建模型的损失函数,计算模型损失;
使用自适应矩估计优化器更新所述图片分类模型的权重,其中每20个时期学习率衰减为原来的0.1倍;
设置第一学习率lr1和第二学习率lr2,其中lr1>lr2,采用所述第一学习率lr2训练所述wide resnet50模型中第二卷积结构和第四卷积结构的权重,采用所述第二学习率lr1训练所述多维度注意力机制模块的权重和所述图片分类模型中最后的全连接层权重。
可选的,所述图片分类模型的所述损失函数lossnet表示为:
其中,所述图片分类模型的输出为Y={y1,y2,…,yN+1},Wlabel为特定label在损失函数中的权重,ylabel为网络预测的图片类别,N代表N个类别,所述权重W={w1,w2,…,wN+1},所述label为所述图片分类标签。
可选的,所述优化所述图片分类模型包括:
测试和验证图像分类结果,分析错分样本;
针对所述错分样本补充相应的正负样本至所述图片数据集,更新所述图片数据集;
基于更新的所述图片数据集迭代训练所述图片分类模型。
本发明实施例还提供一种基于多维度注意力的图片分类***,应用于以上任一项所述的基于多维度注意力的图片分类方法,所述***包括:
数据集构建模块,用于构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
模型构建模块,用于构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
模型训练模块,用于使用所述图片数据集训练所述图片分类模型,抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
图片分类模块,用于将待分类的图片输入所述图片分类模型,得到输出的分类结果。
本发明实施例还提供一种基于多维度注意力的图片分类设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述基于多维度注意力的图片分类方法的步骤。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被执行时实现所述的基于多维度注意力的图片分类方法的步骤。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开技术方案要求保护的范围。
本发明的基于多维度注意力的图片分类方法、***、设备及介质具有如下有益效果:
本发明的基于多维度注意力的图片分类方法通过引入多维度注意力机制模块,重新设计并训练深度学习模型,该方法不仅在准确率上优于现有的图像分类算法,而且在速度和模型大小上也优于现有算法,能够实现轻量级、快速、高准确率的山岳峰谷场景图像分类任务,可替代人工审核分类工作,大幅度节约人工运营成本,提高图像利用效率,提升用户体验。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的基于多维度注意力的图片分类方法的流程图;
图2是本发明一实施例的基于多维度注意力的图片分类方法的逻辑示意图;
图3是本发明一实施例的基于多维度注意力的图片分类方法的具体流程图;
图4是本发明一实施例的基于多维度注意力的图片分类***的模块架构图;
图5是本发明一实施例的基于多维度注意力的图片分类设备的结构示意图;
图6是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
如图1所示,本发明实施例提供一种基于多维度注意力的图片分类方法,包括如下步骤:
S100:构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
S200:构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
S300:使用所述图片数据集训练所述图片分类模型;
S400:抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
S500:将待分类的图片输入所述图片分类模型,得到输出的分类结果。
该实施例的方法中,每个步骤的序号仅为区分各个步骤,而不作为各个步骤的具体执行顺序的限定,上述各个步骤之间的执行顺序可以根据需要调整改变。
如图3所示,本发明的基于多维度注意力的图片分类方法具体包括如下步骤:
S100构建图片数据集,根据标签定义场景采用多种方式分别收集图片Ntotal张,并将这些图片缩放至高宽大小为H×W。根据预设场景定义所述图片数据集中各个图片的图片分类标签共N个标签,并将不属于所述图片分类标签的图片定义为其他标签。将Ntotal张图片分为三个部分,分别为训练集Ntrain、验证集Nval以及测试集Ntest。
S200构建图片分类模型,所述图片分类模型中添加有多维度注意力机制,构建成的图片分类模型结构称为Netresnet-mda。具体方式为:如图2中S210所示,首先采用基于开源数据预训练的wide resnet50模型Netresnet构建图片分类模型的基础模型结构,其中模型的网络层数L=50,所述Netresnet模型包括依次串联的第一卷积结构conv1_x、第二卷积结构conv2_x、第三卷积结构conv3_x、第四卷积结构conv4_x和第五卷积结构conv5_x,分别在所述第三卷积结构和所述第五卷积结构之后加入所述多维度注意力机制模块,得到所述图片分类模型。最终的全连接层输出节点数设置为N+1,即上述N个标签和1个其他标签。如图2所示,所述所述Netresnet模型在各个卷积结构后还包括平均池化和softmax层(Average-pooling FC softmax),以根据卷积结构提取的特征进行图片分类,得到图片对应于各个类别Class的概率Score_1,Score_2……
如S220所示,在所述基础模型结构中加入多维度注意力机制模块(MDA模块),所述多维度注意力机制模块用于对中间特征图和最终特征图基于多维度注意力机制进行调整,得到图片分类模型。输入特征图为featureinput,输出特征图为:
featureoutput=featureinput×Attentionwidth×Attentiondepth,
其中Attentionwidth和Attentiondepth分别代表宽度和深度注意力模块。
Attentionwidth=MDAwidth(featureinput)
Attentiondepth=MDAdepth(featureinput)
如图2所示,将上述MDA模块引入Netresnet,分别在conv3_x和conv5_x后加入MDA模块以增强模型特征提取及表征能力。新构成conv3_x和conv5_x表示为:
conv3_mda=MDAwidth(conv3-x)
conv5_mda=MDAwidth(conv5_x)
在另一实施例中,S300使用所述图片数据集中的训练集Ntrain训练所述图片分类模型的步骤包括:
如S310所述,采用加权的交叉熵构建模型的损失函数,计算模型损失;
如S320所述,使用自适应矩估计优化器更新所述图片分类模型的权重,其中每20个时期学习率衰减为原来的0.1倍;
如S330所述,训练模型权重。设置第一学习率lr1和第二学习率lr2,其中lr1>lr2,采用较小的lr2训练模型已有的权重,采用较大的lr1训练多维度注意力机制模块的权重以及图片分类索性的全连接层权重,即采用所述第一学习率lr2训练所述wide resnet50模型中conv2_x和conv4_x的权重,采用所述第二学习率lr1训练所述多维度注意力机制模块的权重和所述图片分类模型中最后的全连接层权重。
可选的,S310中所述图片分类模型的所述损失函数lossnet表示为:
其中,所述图片分类模型的输出为Y={y1,y2,…,yN+1},W为损失函数中图片类别的权重,所述权重W={w1,w2,…,wN+1},wlabel为特定类别标签label在损失函数中的权重,ylabel为网络预测的图片类别,N代表N个类别,label为所述图片分类标签。
在一优选的实施例中,本发明对所述图片分类模型进行如S400所述抽样测试和验证,根据测试结果优化所述图片分类模型。具体为,随机抽取一定量的上述图片数据集以外的图片进行测试,记录图像分类结果,验证和核查图片分类结果,分析错分样本,评估准确率、召回率等指标;针对所述错分样本补充相应的正负样本至所述图片数据集,剔除部分不典型样本,更新所述图片数据集,更新交叉熵的权重W;基于更新的所述图片数据集迭代训练所述图片分类模型。重复进行多轮数据迭代模型训练,直到模型的准确率满足上线生产需求。
基于Pytorch的TorchServe模型服务器或者tensorflow的tf serving模型服务器,将训练和优化完成的图片分类模型打包并部署,结合Gunicorn与Flask框架开发服务接口,如S500所述将待分类的海量无标签图片输入所述图片分类模型,得到输出的分类结果。
如图4所示,本发明实施例还提供一种基于多维度注意力的图片分类的***,包括:
数据集构建模块M100,用于构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
模型构建模块M200,用于构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
模型训练模块M300,用用于使用所述图片数据集训练所述图片分类模型,抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
图片分类模块M400,用于用于将待分类的图片输入所述图片分类模型,得到输出的分类结果。
本发明还提供一种基于多维度注意力的图片分类设备,其特征在于,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行任意一个实施例中基于多维度注意力的图片分类的步骤。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述基于多维度注意力的图片分类的方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的基于多维度注意力的图片分类的方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上执行时,程序代码用于使终端设备执行本说明书上述基于多维度注意力的图片分类的方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上执行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++、Python等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,通过采用本发明的基于多维度注意力的图片分类的方法、***、设备及介质,通过引入多维度注意力机制模块,重新设计并训练深度学习模型,能够实现轻量级、快速、高准确率的山岳峰谷场景图像分类任务,可替代人工审核分类工作,大幅度节约人工运营成本,提高图像利用效率,提升用户体验。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于多维度注意力的图片分类方法,其特征在于,包括以下步骤:
构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
使用所述图片数据集训练所述图片分类模型;
抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
将待分类的图片输入所述图片分类模型,得到输出的分类结果。
2.根据权利要求1所述的图片分类方法,其特征在于,根据预设场景定义所述图片数据集中各个图片的图片分类标签步骤包括:
根据预设场景定义多个图片分类标签,所述图片分类标签与所述预设场景相对应;
依据所述图片分类标签将所述图片数据集中的图片分类;
将不属于所述图片分类标签的图片定义为其他标签。
3.根据权利要求1所述的图片分类方法,其特征在于,构建图片分类模型的步骤包括:
采用基于开源数据预训练的wide resnet50模型构建图片分类模型的基础模型结构;
在所述基础模型结构中加入多维度注意力机制模块,所述多维度注意力机制模块用于对中间特征图和最终特征图基于多维度注意力机制进行调整,得到图片分类模型。
4.根据权利要求3所述的图片分类方法,其特征在于,所述wide resnet50模型包括依次串联的第一卷积结构、第二卷积结构、第三卷积结构、第四卷积结构和第五卷积结构,分别在所述第三卷积结构和所述第五卷积结构之后加入所述多维度注意力机制模块,得到所述图片分类模型。
5.根据权利要求4所述的图片分类方法,其特征在于,所述训练图片分类模型的步骤包括:
采用加权的交叉熵构建模型的损失函数,计算模型损失;
使用自适应矩估计优化器更新所述图片分类模型的权重,其中每20个时期学习率衰减为原来的0.1倍;
设置第一学习率lr1和第二学习率lr2,其中lr1>lr2,采用所述第一学习率lr2训练所述wide resnet50模型中第二卷积结构和第四卷积结构的权重,采用所述第二学习率lr1训练所述多维度注意力机制模块的权重和所述图片分类模型中最后的全连接层权重。
7.根据权利要求1所述的图片分类方法,其特征在于,所述优化所述图片分类模型包括:
测试和验证图像分类结果,分析错分样本;
针对所述错分样本补充相应的正负样本至所述图片数据集,更新所述图片数据集;
基于更新的所述图片数据集迭代训练所述图片分类模型。
8.一种图片分类***,其特征在于,应用于权利要求1至7中任一项所述的图片分类方法,所述***包括:
数据集构建模块,用于构建图片数据集,根据预设场景定义所述图片数据集中各个图片的图片分类标签;
模型构建模块,用于构建图片分类模型,所述图片分类模型中添加有多维度注意力机制;
模型训练模块,用于使用所述图片数据集训练所述图片分类模型,抽样测试和验证所述图片分类模型,根据测试结果优化所述图片分类模型;
图片分类模块,用于将待分类的图片输入所述图片分类模型,得到输出的分类结果。
9.一种基于多维度注意力的图片分类设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至8中任意一项所述基于多维度注意力的图片分类的步骤。
10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至8中任意一项所述基于多维度注意力的图片分类的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250561.7A CN112966743A (zh) | 2021-03-08 | 2021-03-08 | 基于多维度注意力的图片分类方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250561.7A CN112966743A (zh) | 2021-03-08 | 2021-03-08 | 基于多维度注意力的图片分类方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112966743A true CN112966743A (zh) | 2021-06-15 |
Family
ID=76276842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110250561.7A Pending CN112966743A (zh) | 2021-03-08 | 2021-03-08 | 基于多维度注意力的图片分类方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966743A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806534A (zh) * | 2021-09-03 | 2021-12-17 | 电子科技大学 | 一种面向社交网络的热点事件预测方法 |
CN113806547A (zh) * | 2021-10-15 | 2021-12-17 | 南京大学 | 一种基于图模型的深度学习多标签文本分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414498A (zh) * | 2019-06-14 | 2019-11-05 | 华南理工大学 | 一种基于交叉注意力机制的自然场景文本识别方法 |
WO2020222985A1 (en) * | 2019-04-30 | 2020-11-05 | The Trustees Of Dartmouth College | System and method for attention-based classification of high-resolution microscopy images |
CN111931624A (zh) * | 2020-08-03 | 2020-11-13 | 重庆邮电大学 | 基于注意力机制的轻量级多分支行人重识别方法及*** |
CN112183673A (zh) * | 2020-11-06 | 2021-01-05 | 携程计算机技术(上海)有限公司 | 天气时段分类方法、***、设备及存储介质 |
-
2021
- 2021-03-08 CN CN202110250561.7A patent/CN112966743A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222985A1 (en) * | 2019-04-30 | 2020-11-05 | The Trustees Of Dartmouth College | System and method for attention-based classification of high-resolution microscopy images |
CN110414498A (zh) * | 2019-06-14 | 2019-11-05 | 华南理工大学 | 一种基于交叉注意力机制的自然场景文本识别方法 |
CN111931624A (zh) * | 2020-08-03 | 2020-11-13 | 重庆邮电大学 | 基于注意力机制的轻量级多分支行人重识别方法及*** |
CN112183673A (zh) * | 2020-11-06 | 2021-01-05 | 携程计算机技术(上海)有限公司 | 天气时段分类方法、***、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806534A (zh) * | 2021-09-03 | 2021-12-17 | 电子科技大学 | 一种面向社交网络的热点事件预测方法 |
CN113806534B (zh) * | 2021-09-03 | 2023-04-18 | 电子科技大学 | 一种面向社交网络的热点事件预测方法 |
CN113806547A (zh) * | 2021-10-15 | 2021-12-17 | 南京大学 | 一种基于图模型的深度学习多标签文本分类方法 |
CN113806547B (zh) * | 2021-10-15 | 2023-08-11 | 南京大学 | 一种基于图模型的深度学习多标签文本分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110366734B (zh) | 优化神经网络架构 | |
CN112633419B (zh) | 小样本学习方法、装置、电子设备和存储介质 | |
CN106095942B (zh) | 强变量提取方法及装置 | |
CN111444340A (zh) | 文本分类和推荐方法、装置、设备及存储介质 | |
CN110995459B (zh) | 异常对象识别方法、装置、介质及电子设备 | |
CN112508691B (zh) | 基于关系网标签化和图神经网络的风险预测方法及装置 | |
CN112183673A (zh) | 天气时段分类方法、***、设备及存储介质 | |
CN112287144B (zh) | 图片检索方法、设备及存储介质 | |
CN112966743A (zh) | 基于多维度注意力的图片分类方法、***、设备及介质 | |
CN111339292A (zh) | 文本分类网络的训练方法、***、设备及存储介质 | |
CN112819099A (zh) | 网络模型的训练方法、数据处理方法、装置、介质及设备 | |
CN111191825A (zh) | 用户违约预测方法、装置及电子设备 | |
CN113298634A (zh) | 基于时序特征和图神经网络的用户风险预测方法及装置 | |
CN113987174A (zh) | 分类标签的核心语句提取方法、***、设备及存储介质 | |
CN111161238A (zh) | 图像质量评价方法及装置、电子设备、存储介质 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN114780600A (zh) | 航班搜索方法、***、设备及存储介质 | |
CN111797258B (zh) | 基于美感评价的图像推送方法、***、设备及存储介质 | |
CN111241273A (zh) | 文本数据分类方法、装置、电子设备及计算机可读介质 | |
CN113298116A (zh) | 基于注意力权重的图嵌入特征提取方法、装置及电子设备 | |
CN111861801A (zh) | 酒店满房预测方法、***、设备及存储介质 | |
CN111259932A (zh) | 分类方法、介质、装置和计算设备 | |
CN116257758A (zh) | 模型训练方法、人群拓展方法、介质、装置和计算设备 | |
CN116151323A (zh) | 模型生成方法、装置、电子设备及存储介质 | |
US20230222360A1 (en) | Context similarity detector for artificial intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |