JP7373624B2 - 画像ブロックのスコアに基づく細粒度画像分類の方法及び装置 - Google Patents
画像ブロックのスコアに基づく細粒度画像分類の方法及び装置 Download PDFInfo
- Publication number
- JP7373624B2 JP7373624B2 JP2022130509A JP2022130509A JP7373624B2 JP 7373624 B2 JP7373624 B2 JP 7373624B2 JP 2022130509 A JP2022130509 A JP 2022130509A JP 2022130509 A JP2022130509 A JP 2022130509A JP 7373624 B2 JP7373624 B2 JP 7373624B2
- Authority
- JP
- Japan
- Prior art keywords
- classification
- image
- local
- fine
- image blocks
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 64
- 238000012549 training Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 17
- 239000003550 marker Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000002679 ablation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Description
本発明は2022年3月14日に中国特許庁へ提出された出願番号202210244194.4、発明名称「画像ブロックのスコアに基づく細粒度画像分類の方法及び装置」の中国特許出願に基づき優先権を主張しており、その全ての内容は、ここに援用される。
よって、画像ブロックのスコアリングに基づく細粒度画像分類の方法及び装置を設計することにより、上記の技術的課題を解決する。
画像ブロックのスコアに基づく細粒度画像分類の方法であって、
分類しようとする目標画像を取得し、分類データセットを構築するステップS1と、
前記分類データセットをいくつかの重複しない画像ブロックに分割し、前記画像ブロックをコーディングしてローカル標識を構築するステップS2と、
前記ローカル標識により分類標識を構築するステップS3と、
分類標識と選択標識の特徴を接合して最後のトランスフォーマー層に送入し、特徴処理を行うステップS7と、
を備える画像ブロックのスコアに基づく細粒度画像分類の方法。
さらに、前記ステップS1において、前記分類データセットは、サンプルと属性分類ラベルとを含む。
さらに、前記ステップS3において、前記ローカル標識にサイズが一致する訓練可能な分類標識を、分類標識として構築する。
さらに、前記ステップS6は、サブステップとして以下のステップS61~S63を備える。
1つのトランスフォーマー層と、出力次元が1である1つの全接続層とを別体に構築するステップS61と、
さらに、前記微調整操作は、クロスエントロピー損失関数による微調整操作である。
実施例
画像ブロックスコアリングに基づく細粒度画像分類の方法は、ステップS1~S9を備える。
具体的には、合計1.2万枚の鳥類分類データセットが構築され、鳥類分類データセットは、合計200個のクラスがあり、各クラスには、60個のサンプル(CUB公開データセット)がある。サンプルがN=1,2000でありクラスがK=200の場合、鳥データ
ステップS3では、前記ローカル標識(part token)により分類標識(class token)を構築する。
具体的には、前記ローカル標識(part token)にサイズが一致する訓練可能な分類標識を、分類標識(class token)として構築する。
VITベースのネットワーク構造における最初のL-1層のトランスフォーマー層により、画像分類の特徴情報及び各画像ブロックの特徴情報が抽出される。
具体的なQuery-Key-Value自己注意操作の式は次のとおりである。
前記ステップS6は、以下のサブステップを含む。
ステップS61は、1つのトランスフォーマー層と、出力次元が1である1つの全接続層とを別体に構築する。
分類標識(class token)との関連性が高いローカル標識をより正確に取得でき、つまり、判別性画像ブロックをより正確に判定できる。
上記装置での各ユニットの機能および作用の実施過程の詳細については、上記方法に対応するステップの実施過程を参照すればよく、ここでは重複しない。
Claims (9)
- 画像ブロックのスコアに基づく細粒度画像分類の方法であって、
分類しようとする目標画像を取得し、分類データセットを構築するステップS1と、
前記分類データセットをいくつかの重複しない画像ブロックに分割し、前記画像ブロックをコーディングしてローカル標識を構築するステップS2と、
前記ローカル標識により分類標識を構築するステップS3と、
前記ローカル標識を前記分類標識とともにトランスフォーマーネットワークに入力し、トランスフォーマーネットワークにおける最後のトランスフォーマー層以外のネットワーク層により、前記分類標識を表現するための画像分類特徴情報と、各画像ブロックのローカル標識を表現するための画像ブロック特徴情報とを取得するステップS4と、
前記画像分類特徴情報及び前記画像ブロック特徴情報に基づいて、前記ローカル標識と前記分類標識との関連性を決定し、前記分類標識との関連性が比較的に高いいくつかの前記ローカル標識を選択して、前記分類標識の関連性ローカル標識を構築するステップS5と、
画像ブロックのスコアリングシステムを構築し、前記関連性ローカル標識をスコアリングし、前記スコアリングによるスコアに基づいて前記関連性ローカル標識の特徴を重ね合わせて選択標識を生成するステップS6と、ステップS7と、ステップS8、ステップS9とを有し、
前記ステップS6は、サブステップとして、
前記トランスフォーマーネットワークにおいて、1つのトランスフォーマー層と、出力次元が1である1つの全接続層とを別体に構築するステップS61と、
前記関連性ローカル標識を、別体に構築された前記トランスフォーマー層と出力次元が1である前記全接続層とに送入し、出力結果に対して指数正規化操作を行うステップS62と、
前記指数正規化操作後の値を前記関連性ローカル標識のスコアとし、前記スコアに基づいて前記関連性ローカル標識の特徴を重ね合わせて選択標識を生成するステップS63とを含み、
前記ステップS7は、前記分類標識と前記選択標識の特徴を接合して前記トランスフォーマーネットワークにおける最後のトランスフォーマー層に送入し、特徴処理を行い、
前記ステップS8は、前記ステップS7の特徴処理の結果により全接続層及びクロスエントロピー損失を構築して分類訓練を行うとともに、ステップS6における前記関連性ローカル標識のスコア分布により相対エントロピー発散損失関数を構築して補助訓練を行い、
前記ステップS9は、前記ステップS8で訓練されたモデルについて、前記トランスフォーマーネットワークにおける最後のトランスフォーマー層以外のネットワーク層を固定し、前記トランスフォーマーネットワークにおける最後のトランスフォーマー層のみに対して、前記分類標識と前記関連性ローカル標識とが接合され最後のトランスフォーマー層が訓練される微調整操作を行う、
ことを特徴とする画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記ステップS1において、前記分類データセットは、サンプルと属性分類ラベルとを含む、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記ステップS2において、前記分類データセットは、ウィンドウをスライドさせる方法によって、いくつかの重複しない画像ブロックに分割され、前記画像ブロックに対して畳み込み操作を行うことによりローカル標識が構築され、畳み込み層のカーネル幅、カーネルの高さ、およびステップサイズは、前記画像ブロックの幅、及び高さに等しい、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記ステップS3において、前記ローカル標識にサイズが一致する訓練可能な分類標識を、分類標識として構築する、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記ステップS5において、前記ローカル標識と前記分類標識との関連性を決定する方法は、トランスフォーマーネットワークの注意メカニズムにより判定を行うものである、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記ステップS8の訓練前には、前記ステップS7の特徴処理結果により、1つの画像ブロックをランダムに選択し、いくつかの異なるランダム前処理を行いて前処理画像ブロックを取得し、いくつかの前記前処理画像ブロックは、輝度、コントラスト及び彩度の1つ又は複数が異なり、前記前処理画像ブロックをネットワーク入力とし、全接続層及びクロスエントロピー損失を構築して分類訓練を行う、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 前記微調整操作は、クロスエントロピー損失関数による微調整操作である、
ことを特徴とする請求項1に記載の画像ブロックのスコアに基づく細粒度画像分類の方法。 - 画像ブロックのスコアに基づく細粒度画像分類の装置であって、
実行可能なコードが格納される記憶部と、
前記実行可能なコードの実行時に、請求項1~7のいずれか1項に記載の画像ブロックのスコアに基づく細粒度画像分類の方法を実施するための1つまたは複数のプロセッサと、を備える、
ことを特徴とする画像ブロックのスコアに基づく細粒度画像分類の装置。 - プロセッサによって実行される時に、請求項1~7のいずれか1項に記載の画像ブロックのスコアに基づく細粒度画像分類の方法を実施するプログラムが格納される、
ことを特徴とするコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244194.4 | 2022-03-14 | ||
CN202210244194.4A CN114332544B (zh) | 2022-03-14 | 2022-03-14 | 一种基于图像块评分的细粒度图像分类方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023134327A JP2023134327A (ja) | 2023-09-27 |
JP7373624B2 true JP7373624B2 (ja) | 2023-11-02 |
Family
ID=81034133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022130509A Active JP7373624B2 (ja) | 2022-03-14 | 2022-08-18 | 画像ブロックのスコアに基づく細粒度画像分類の方法及び装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7373624B2 (ja) |
CN (1) | CN114332544B (ja) |
WO (1) | WO2023173599A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332544B (zh) * | 2022-03-14 | 2022-06-07 | 之江实验室 | 一种基于图像块评分的细粒度图像分类方法和装置 |
CN115311504B (zh) * | 2022-10-10 | 2023-01-31 | 之江实验室 | 一种基于注意力重定位的弱监督定位方法和装置 |
CN115830402B (zh) * | 2023-02-21 | 2023-09-12 | 华东交通大学 | 一种细粒度图像识别分类模型训练方法、装置及设备 |
CN117557605A (zh) * | 2023-12-29 | 2024-02-13 | 中国科学院长春光学精密机械与物理研究所 | 红外与可见光遥感图像的配准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220036564A1 (en) | 2020-08-03 | 2022-02-03 | Korea Advanced Institute Of Science And Technology | Method of classifying lesion of chest x-ray radiograph based on data normalization and local patch and apparatus thereof |
CN114119979A (zh) | 2021-12-06 | 2022-03-01 | 西安电子科技大学 | 基于分割掩码和自注意神经网络的细粒度图像分类方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284749A (zh) * | 2017-07-19 | 2019-01-29 | 微软技术许可有限责任公司 | 精细化图像识别 |
CN110210027B (zh) * | 2019-05-30 | 2023-01-24 | 杭州远传新业科技股份有限公司 | 基于集成学习的细粒度情感分析方法、装置、设备及介质 |
CN110598029B (zh) * | 2019-09-06 | 2022-03-22 | 西安电子科技大学 | 基于注意力转移机制的细粒度图像分类方法 |
CN110807465B (zh) * | 2019-11-05 | 2020-06-30 | 北京邮电大学 | 一种基于通道损失函数的细粒度图像识别方法 |
US20210192340A1 (en) * | 2019-12-20 | 2021-06-24 | The Procter & Gamble Company | Machine learning based imaging method of determining authenticity of a consumer good |
CN111339260A (zh) * | 2020-03-02 | 2020-06-26 | 北京理工大学 | 一种基于bert和qa思想的细粒度情感分析方法 |
CN111523534B (zh) * | 2020-03-31 | 2022-04-05 | 华东师范大学 | 一种图像描述的方法 |
CN112163465B (zh) * | 2020-09-11 | 2022-04-22 | 华南理工大学 | 细粒度图像分类方法、***、计算机设备及存储介质 |
CN114022703A (zh) * | 2021-10-26 | 2022-02-08 | 之江实验室 | 一种基于深度学习的高效车辆细粒度识别方法 |
CN114119585B (zh) * | 2021-12-01 | 2022-11-29 | 昆明理工大学 | 基于Transformer的关键特征增强胃癌图像识别方法 |
CN114067294B (zh) * | 2022-01-18 | 2022-05-13 | 之江实验室 | 一种基于文本特征融合的细粒度车辆识别***及方法 |
CN114332544B (zh) * | 2022-03-14 | 2022-06-07 | 之江实验室 | 一种基于图像块评分的细粒度图像分类方法和装置 |
-
2022
- 2022-03-14 CN CN202210244194.4A patent/CN114332544B/zh active Active
- 2022-06-06 WO PCT/CN2022/097129 patent/WO2023173599A1/zh unknown
- 2022-08-18 JP JP2022130509A patent/JP7373624B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220036564A1 (en) | 2020-08-03 | 2022-02-03 | Korea Advanced Institute Of Science And Technology | Method of classifying lesion of chest x-ray radiograph based on data normalization and local patch and apparatus thereof |
CN114119979A (zh) | 2021-12-06 | 2022-03-01 | 西安电子科技大学 | 基于分割掩码和自注意神经网络的细粒度图像分类方法 |
Non-Patent Citations (1)
Title |
---|
Xinda Liu et al.,Transformer with Peak Suppression and Knowledge Guindance for Fine-grained Image Recognition,[online],2021年12月10日, [retrieved on 2023.07.26], Retrieved from the Internet : <url: https://arxiv.org/pdf/2107.06538.pdf> |
Also Published As
Publication number | Publication date |
---|---|
WO2023173599A1 (zh) | 2023-09-21 |
CN114332544A (zh) | 2022-04-12 |
CN114332544B (zh) | 2022-06-07 |
JP2023134327A (ja) | 2023-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7373624B2 (ja) | 画像ブロックのスコアに基づく細粒度画像分類の方法及び装置 | |
Fang et al. | 3d deep shape descriptor | |
Azizpour et al. | From generic to specific deep representations for visual recognition | |
Yang et al. | Show, attend, and translate: Unsupervised image translation with self-regularization and attention | |
CN114119979A (zh) | 基于分割掩码和自注意神经网络的细粒度图像分类方法 | |
CN109583483A (zh) | 一种基于卷积神经网络的目标检测方法和*** | |
CN106203483B (zh) | 一种基于语义相关多模态映射方法的零样本图像分类方法 | |
Ding et al. | Single sample per person face recognition with KPCANet and a weighted voting scheme | |
CN113033321A (zh) | 目标行人属性识别模型的训练方法及行人属性识别方法 | |
CN110246567A (zh) | 一种医学图像预处理方法 | |
Yao et al. | Real-time method for traffic sign detection and recognition based on YOLOv3-tiny with multiscale feature extraction | |
Zhang et al. | Vehicle license plate detection and recognition using deep neural networks and generative adversarial networks | |
Ren et al. | Multi-local feature relation network for few-shot learning | |
Wu et al. | A multi-level descriptor using ultra-deep feature for image retrieval | |
Moate et al. | Vehicle detection in infrared imagery using neural networks with synthetic training data | |
CN117372458B (zh) | 三维脑肿瘤分割方法、装置、计算机设备和存储介质 | |
CN103336974B (zh) | 一种基于局部约束稀疏表征的花卉类别辨识方法 | |
Yuan et al. | Improve scene classification by using feature and kernel combination | |
Gupta et al. | Recognition of varying size scene images using semantic analysis of deep activation maps | |
Varshneya et al. | Learning interpretable concept groups in CNNs | |
CN115205877A (zh) | 一种不规则排版***单据布局预测方法、装置及存储介质 | |
Wang et al. | MutualFormer: Multi-modal Representation Learning via Cross-Diffusion Attention | |
Hou et al. | Gradient-supervised person re-identification based on dense feature pyramid network | |
Wang et al. | Visual attention based bag-of-words model for image classification | |
Sun et al. | MobileViT Based Lightweight Model for Prohibited Item Detection in X-Ray Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220915 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230815 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230926 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231023 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7373624 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |