CN107122801A - 图像分类的方法和装置 - Google Patents

图像分类的方法和装置 Download PDF

Info

Publication number
CN107122801A
CN107122801A CN201710300731.1A CN201710300731A CN107122801A CN 107122801 A CN107122801 A CN 107122801A CN 201710300731 A CN201710300731 A CN 201710300731A CN 107122801 A CN107122801 A CN 107122801A
Authority
CN
China
Prior art keywords
probability
theme
adjacent
classification
topics
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.)
Granted
Application number
CN201710300731.1A
Other languages
English (en)
Other versions
CN107122801B (zh
Inventor
万韶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201710300731.1A priority Critical patent/CN107122801B/zh
Publication of CN107122801A publication Critical patent/CN107122801A/zh
Application granted granted Critical
Publication of CN107122801B publication Critical patent/CN107122801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Abstract

本公开是关于一种图像分类的方法和装置，通过获取图像的主题频次和类别矩阵，根据图像的主题频次和类别矩阵，利用分类器，获取图像的类别，考虑了整幅图像的所有主题的频次，使得分类的参考因素更加丰富，提高了图像分类的准确性，并且，避免了大量人工标记的工作，提高了图像分类的效率。

Description

图像分类的方法和装置
技术领域
本公开涉及图像识别技术，尤其涉及一种图像分类的方法和装置。
背景技术
随着计算机技术的飞速发展，人们获取图像的方式越来越便利，存储的图像数量也越来越多，对于大量的图像进行分类管理成为一种需求，图像分类是将图像标记为不同类别的过程，图像类别如城市、森林、沙滩、动物和植物等。
相关技术中，通过每幅图像的局部纹理特征确定一幅图像的类别，然而，图像分类的准确性不高。
发明内容
为克服相关技术中存在的问题，本公开提供一种图像分类的方法和装置。
根据本公开实施例的第一方面，提供一种图像分类的方法，包括：
获取图像的主题频次；
获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
可选地，所述获取图像的主题频次，包括：
以预设间距提取图像的所有相邻视觉词汇对，所述相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，所述第一视觉词汇对应的提取位置和所述第二视觉词汇对应的提取位置相邻；
获取每个相邻视觉词汇对对应的主题对；
根据所述图像的所有相邻视觉词汇对对应的主题对，确定所述图像的主题频次。
可选地，所述获取每个相邻视觉词汇对对应的主题对，包括：
获取所述图像对应的相邻主题概率矩阵；
获取每个主题对应的视觉词汇概率向量；
根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
可选地，所述根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对，包括：
获取每个相邻视觉词汇对的N个候选主题对，其中，所述候选主题对包含第一候选主题和第二候选主题；
针对所述N个候选主题对中的每个所述候选主题对，根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率；
根据获取的N个所述相邻视觉词汇对为所述候选主题对的概率，确定最大概率对应的候选主题对为所述相邻视觉词汇对对应的主题对。
可选地，所述根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率，包括：
根据所述相邻主题概率矩阵，获取所述候选主题对为相邻主题的第一概率；
根据所述每个主题对应的视觉词汇概率向量，获取所述第一候选主题为第一视觉词汇的第二概率，以及所述第二候选主题为所述第二视觉词汇的第三概率；
根据所述第一概率、所述第二概率和所述第三概率，获取所述相邻视觉词汇对为所述候选主题对的概率。
可选地，所述获取所述图像对应的相邻主题概率矩阵，包括：
根据Θd～Dir(α)作一次概率抽取，获取所述图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，所述D为所有图像的总数。
可选地，所述获取每个主题对应的视觉词汇概率向量，包括：
根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，所述K为所有主题的总数。
可选地，所述根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别，包括：
根据获取所述图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
η＝[η1，η2，……，ηC]T，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
根据本公开实施例的第二方面，提供一种图像分类装置，包括：
第一获取模块，被配置为获取图像的主题频次；
第二获取模块，被配置为获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
处理模块，被配置为根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
可选地，所述第一获取模块包括：
第一获取子模块，被配置为以预设间距提取图像的所有相邻视觉词汇对，所述相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，所述第一视觉词汇对应的提取位置和所述第二视觉词汇对应的提取位置相邻；
第二获取子模块，被配置为获取每个相邻视觉词汇对对应的主题对；
第一处理子模块，被配置为根据所述图像的所有相邻视觉词汇对对应的主题对，确定所述图像的主题频次。
可选地，所述第二获取子模块被配置为获取所述图像对应的相邻主题概率矩阵；获取每个主题对应的视觉词汇概率向量；根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
可选地，所述第二获取子模块被配置为获取每个相邻视觉词汇对的N个候选主题对，其中，所述候选主题对包含第一候选主题和第二候选主题；针对所述N个候选主题对中的每个所述候选主题对，根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率；根据获取的N个所述相邻视觉词汇对为所述候选主题对的概率，确定最大概率对应的候选主题对为所述相邻视觉词汇对对应的主题对。
可选地，所述第二获取子模块被配置为根据所述相邻主题概率矩阵，获取所述候选主题对为相邻主题的第一概率；根据所述每个主题对应的视觉词汇概率向量，获取所述第一候选主题为第一视觉词汇的第二概率，以及所述第二候选主题为所述第二视觉词汇的第三概率；根据所述第一概率、所述第二概率和所述第三概率，获取所述相邻视觉词汇对为所述候选主题对的概率。
可选地，所述第二获取子模块被配置为根据Θd～Dir(α)作一次概率抽取，获取所述图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，所述D为所有图像的总数。
可选地，所述第二获取子模块被配置为根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，所述K为所有主题的总数。
可选地，所述处理模块，包括：
第二处理子模块，被配置为根据获取所述图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
η＝[η1，η2，……，ηC]T，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
根据本公开实施例的第三方面，提供一种图像分类装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行下述步骤：
获取图像的主题频次；
获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过获取图像的主题频次和类别矩阵，根据图像的主题频次和类别矩阵，利用分类器，获取图像的类别，考虑了整幅图像的所有主题的频次，使得分类的参考因素更加丰富，提高了图像分类的准确性，并且，避免了大量人工标记的工作，提高了图像分类的效率。
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。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像分类方法的流程图；
图2是根据一示例性实施例示出的另一种图像分类方法的流程示意图；
图3是根据一示例性实施例示出的再一种图像分类方法的流程示意图；
图4是根据一示例性实施例示出的又一种图像分类方法的流程示意图；
图5是根据一示例性实施例示出的一种图像分类的装置的框图；
图6是根据一示例性实施例示出的另一种图像分类的装置的框图；
图7是根据一示例性实施例示出的又一种图像分类的装置的框图；
图8是根据一示例性实施例示出的又一种图像分类的装置的框图；
图9是根据一示例性实施例示出的又一种用于图像分类的装置800的框图；
图10是根据一示例性实施例示出的又一种用于图像分类的装置1900的框图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像分类方法的流程图，如图1所示，该图像分类方法，包括以下步骤。
在步骤S11中，获取图像的主题频次。
其中，假设图像为100*100的图像，将图像划分为间距为10像素的网格，从每个网格节点上提取对应的主题，则图像可以提取出10*10个主题，不同的网格提取的主题可能相同，也可能不同，因此，可以根据每个主题所占的比例，确定图像的所有主题的频次。
其中，主题例如可以是动物、植物和风景等，对此，本申请不做限制。
在步骤S12中，获取类别矩阵。
其中，类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，C为大于等于2的整数。C个类别为所有可能的类别。
其中，一种可能的实现方式，根据η＝[η1，η2，……，ηC]T类别矩阵，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
在步骤S13中，根据图像的主题频次和类别矩阵，利用分类器，获取图像的类别。
其中，一种可能的实现方式：根据获取图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
softmax为分类器，softmax的模型可以通过训练样本和测试样本获得。
综上，本实施例提供的图像分类方法，通过获取图像的主题频次和类别矩阵，根据图像的主题频次和类别矩阵，利用分类器，获取图像的类别，考虑了整幅图像的所有主题的频次，使得分类的参考因素更加丰富，提高了图像分类的准确性，并且，避免了大量人工标记的工作，提高了图像分类的效率。
图2是根据一示例性实施例示出的另一种图像分类方法的流程示意图，图2是在图1所示实施例的基础上，对图1中的S11的一种可能的实现方式的描述，如图2所示，包括：
S111：以预设间距提取图像的所有相邻视觉词汇对。
其中，相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，第一视觉词汇对应的提取位置和第二视觉词汇对应的提取位置相邻。
结合S11中的示例，以预设间隔10像素提取图像的所有相邻视觉词汇，可以得到10*10个视觉词汇，相邻视觉词汇对是指视觉词汇对应的提取位置相邻的一对视觉词汇。视觉词汇例如：猫、狗和树木等。
S112：获取每个相邻视觉词汇对对应的主题对。
例如：猫和狗为一对相邻视觉词汇，其对应的主题对为动物和动物；再例如：猫和树木为一对相邻视觉词汇，其对应的主题为动物和植物。
S113：根据图像的所有相邻视觉词汇对对应的主题对，确定图像的主题频次。
例如：总共有100个视觉词汇，其中，动物占20个，植物战40个，风景占40个，则动物的频次为20％，植物的频次为40％，风景为40％。
本实施例，通过以预设间距提取图像的所有相邻视觉词汇对，获取每个相邻视觉词汇对对应的主题对，根据图像的所有相邻视觉词汇对对应的主题对，确定图像的主题频次，根据相邻视觉词汇对确定主题对，能够更加准确的确定图像的所有主题，进一步地提高图像分类的准确性。
图3是根据一示例性实施例示出的再一种图像分类方法的流程示意图，图2是在图1所示实施例的基础上，对图2中的S112的一种可能的实现方式的描述，如图3所示，包括：
S1121：获取图像对应的相邻主题概率矩阵。
其中，一种可能的实现方式：
根据Θd～Dir(α)作一次概率抽取，获取图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，D为所有图像的总数。
其中，Θd是一个随机矩阵，满足Θd<k，l>标识矩阵Θd的第k，l项，标识产生一对相邻主题k，l的概率，其中，k的取值为1到K整数，l的取值为1到K的整数，K为所有主题的总数。
S1122：获取每个主题对应的视觉词汇概率向量。
其中，一种可能的实现方式：
根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，K为所有主题的总数。
其中，βk满足βki表示βk的第i项，表示主题k为视觉词汇wi的概率，|V|表示所有不同视觉词汇的总数，wi表示所有视觉词汇中的第i个视觉词汇。
S1123：根据相邻主题概率矩阵和每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
其中，一种可能的实现方式如图4所示，包括：
S11231：获取每个相邻视觉词汇对的N个候选主题对。
其中，候选主题对包含第一候选主题和第二候选主题。
每个相邻视觉词汇对的N个候选主题对为所述Θd中每个元素对应的相邻主题对，假设Θd中包含10*10个元素，则每个相邻视觉词汇对的候选主题对有10*10个。
S11232：针对N个候选主题对中的每个候选主题对，根据相邻主题概率矩阵和每个主题对应的视觉词汇概率向量，获取相邻视觉词汇对为候选主题对的概率。
以一个候选主题对为例，假设该候选主题对的第一候选主题为第k个主题和第二候选主题为第l个主题，k和l均为大于等于1小于等于K的整数。
其中，一种可能的实现方式：
根据相邻主题概率矩阵，获取候选主题对为相邻主题的第一概率。
即获取Θd中的第k行第l列的元素值，为第一概率，记为Θd<k，l>。
根据每个主题对应的视觉词汇概率向量，获取第一候选主题为第一视觉词汇的第二概率，以及第二候选主题为第二视觉词汇的第三概率；
假设第k个主题对应的视觉词汇概率向量为βk，其中，第一视觉词汇对应的概率为βk，i，假设第l个主题对应的视觉词汇概率向量为βl，第二视觉词汇对应的概率为βl，j。
根据第一概率、第二概率和第三概率，获取相邻视觉词汇对为候选主题对的概率。
其中，一种可能的实现方式为，将第一概率、第二概率和第三概率相乘，得到相邻视觉词汇对为候选主题对的概率，即ρk，j＝Θd<k，l>×βk，i×βl，j，ρk，j表示相邻视觉词汇对为候选主题对为第k个主题和第j个主题时的概率。
依据该方式，得到相邻视觉词汇对为其他候选主题对的概率。假设有10个主题，则可以得到10*10个概率。
S11233：根据获取的N个相邻视觉词汇对为候选主题对的概率，确定最大概率对应的候选主题对为相邻视觉词汇对对应的主题对。
例如：ρk，j最大，则确定第k个主题和第l个主题组成的候选主题对为相邻视觉词汇对对应的主题对。
本实施例，通过获取图像对应的相邻主题概率矩阵，获取每个主题对应的视觉词汇概率向量，根据相邻主题概率矩阵和每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对，利用了位置相邻主题之间的相关性，能够更加准确的确定图像的所有主题，进一步地提高图像分类的准确性。并且，避免了大量的人工标记工作，提高了图像分类的效率。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种图像分类的装置的框图。如图5所示，包括：第一获取模块501、第二获取模块502和处理模块503，其中，第一获取模块501被配置为获取图像的主题频次；第二获取模块502被配置为获取类别矩阵，类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，C为大于等于2的整数；处理模块503被配置为根据图像的主题频次和类别矩阵，利用分类器，获取图像的类别。
图6是根据一示例性实施例示出的另一种图像分类的装置的框图。图6是在图5所示实施例的基础上，所述第一获取模块包括501进一步地还包括：第一获取子模块5011、第二获取子模块5012和第一处理子模块5013，其中，第一获取子模块5011被配置为以预设间距提取图像的所有相邻视觉词汇对，所述相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，所述第一视觉词汇对应的提取位置和所述第二视觉词汇对应的提取位置相邻；第二获取子模块5012被配置为获取每个相邻视觉词汇对对应的主题对；第一处理子模块5013被配置为根据所述图像的所有相邻视觉词汇对对应的主题对，确定所述图像的主题频次。
进一步地，所述第二获取子模块5012被配置为获取所述图像对应的相邻主题概率矩阵；获取每个主题对应的视觉词汇概率向量；根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
进一步地，所述第二获取子模块5012被配置为获取每个相邻视觉词汇对的N个候选主题对，其中，所述候选主题对包含第一候选主题和第二候选主题；针对所述N个候选主题对中的每个所述候选主题对，根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率；根据获取的N个所述相邻视觉词汇对为所述候选主题对的概率，确定最大概率对应的候选主题对为所述相邻视觉词汇对对应的主题对。
进一步地，所述第二获取子模块5012被配置为根据所述相邻主题概率矩阵，获取所述候选主题对为相邻主题的第一概率；根据所述每个主题对应的视觉词汇概率向量，获取所述第一候选主题为第一视觉词汇的第二概率，以及所述第二候选主题为所述第二视觉词汇的第三概率；根据所述第一概率、所述第二概率和所述第三概率，获取所述相邻视觉词汇对为所述候选主题对的概率。
进一步地，所述第二获取子模块5012被配置为根据Θd～Dir(α)作一次概率抽取，获取所述图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，所述D为所有图像的总数。
进一步地，所述第二获取子模块5012被配置为根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，所述K为所有主题的总数。
图7是根据一示例性实施例示出的又一种图像分类的装置的框图。图7是在图6所示实施例的基础上，进一步地，所述处理模块503包括第二处理子模块5031被配置为根据获取所述图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
η＝[η1，η2，……，ηC]T，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
该图像分类装置可以通过软件、硬件或者两者的结合实现成为包含触控显示屏的电子设备的部分或者全部。参照图8，该装置包括处理器801和存储器802，其中，存储器被配置为存储处理器可执行指令；其中，所述处理器被配置为执行下述步骤：获取图像的主题频次；获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图9是根据一示例性实施例示出的又一种用于图像分类的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备和个人数字助理等。
参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图10是根据一示例性实施例示出的又一种用于图像分类的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图10，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法：获取图像的主题频次；获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (17)

1.一种图像分类的方法，其特征在于，包括：
获取图像的主题频次；
获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
2.根据权利要求1所述的方法，其特征在于，所述获取图像的主题频次，包括：
以预设间距提取图像的所有相邻视觉词汇对，所述相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，所述第一视觉词汇对应的提取位置和所述第二视觉词汇对应的提取位置相邻；
获取每个相邻视觉词汇对对应的主题对；
根据所述图像的所有相邻视觉词汇对对应的主题对，确定所述图像的主题频次。
3.根据权利要求2所述的方法，其特征在于，所述获取每个相邻视觉词汇对对应的主题对，包括：
获取所述图像对应的相邻主题概率矩阵；
获取每个主题对应的视觉词汇概率向量；
根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
4.根据权利要求3所述的方法，其特征在于，所述根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对，包括：
获取每个相邻视觉词汇对的N个候选主题对，其中，所述候选主题对包含第一候选主题和第二候选主题；
针对所述N个候选主题对中的每个所述候选主题对，根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率；
根据获取的N个所述相邻视觉词汇对为所述候选主题对的概率，确定最大概率对应的候选主题对为所述相邻视觉词汇对对应的主题对。
5.根据权利要求4所述的方法，其特征在于，所述根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率，包括：
根据所述相邻主题概率矩阵，获取所述候选主题对为相邻主题的第一概率；
根据所述每个主题对应的视觉词汇概率向量，获取所述第一候选主题为第一视觉词汇的第二概率，以及所述第二候选主题为所述第二视觉词汇的第三概率；
根据所述第一概率、所述第二概率和所述第三概率，获取所述相邻视觉词汇对为所述候选主题对的概率。
6.根据权利要求3所述的方法，其特征在于，所述获取所述图像对应的相邻主题概率矩阵，包括：
根据Θd～Dir(α)作一次概率抽取，获取所述图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，所述D为所有图像的总数。
7.根据权利要求6所述的方法，其特征在于，所述获取每个主题对应的视觉词汇概率向量，包括：
根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，所述K为所有主题的总数。
8.根据权利要求7所述的方法，其特征在于，所述根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别，包括：
根据获取所述图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
η＝[η1，η2，……，ηC]T，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
9.一种图像分类的装置，其特征在于，包括：
第一获取模块，被配置为获取图像的主题频次；
第二获取模块，被配置为获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
处理模块，被配置为根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
10.根据权利要求9所述的装置，其特征在于，所述第一获取模块包括：
第一获取子模块，被配置为以预设间距提取图像的所有相邻视觉词汇对，所述相邻视觉词汇对中包含第一视觉词汇和第二视觉词汇，所述第一视觉词汇对应的提取位置和所述第二视觉词汇对应的提取位置相邻；
第二获取子模块，被配置为获取每个相邻视觉词汇对对应的主题对；
第一处理子模块，被配置为根据所述图像的所有相邻视觉词汇对对应的主题对，确定所述图像的主题频次。
11.根据权利要求10所述的装置，其特征在于，所述第二获取子模块被配置为获取所述图像对应的相邻主题概率矩阵；获取每个主题对应的视觉词汇概率向量；根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取每个相邻视觉词汇对对应的主题对。
12.根据权利要求11所述的装置，其特征在于，所述第二获取子模块被配置为获取每个相邻视觉词汇对的N个候选主题对，其中，所述候选主题对包含第一候选主题和第二候选主题；针对所述N个候选主题对中的每个所述候选主题对，根据所述相邻主题概率矩阵和所述每个主题对应的视觉词汇概率向量，获取所述相邻视觉词汇对为所述候选主题对的概率；根据获取的N个所述相邻视觉词汇对为所述候选主题对的概率，确定最大概率对应的候选主题对为所述相邻视觉词汇对对应的主题对。
13.根据权利要求12所述的装置，其特征在于，所述第二获取子模块被配置为根据所述相邻主题概率矩阵，获取所述候选主题对为相邻主题的第一概率；根据所述每个主题对应的视觉词汇概率向量，获取所述第一候选主题为第一视觉词汇的第二概率，以及所述第二候选主题为所述第二视觉词汇的第三概率；根据所述第一概率、所述第二概率和所述第三概率，获取所述相邻视觉词汇对为所述候选主题对的概率。
14.根据权利要求11所述的装置，其特征在于，所述第二获取子模块被配置为根据Θd～Dir(α)作一次概率抽取，获取所述图像对应的相邻主题概率矩阵，其中，Dir(α)是参数为α的狄利克雷概率分布，Θd为第d幅图像对应的相邻主题概率矩阵，其中，d为大于等于1小于等于D的整数，所述D为所有图像的总数。
15.根据权利要求14所述的装置，其特征在于，所述第二获取子模块被配置为根据βk～Dir(γ)作一次概率抽取，获取每个主题对应的视觉词汇概率向量，其中，Dir(γ)是参数为γ的狄利克雷概率分布，βk为第k个主题对应的视觉词汇概率向量，其中，k为大于等于1小于等于K的整数，所述K为所有主题的总数。
16.根据权利要求15所述的装置，其特征在于，所述处理模块，包括：
第二处理子模块，被配置为根据获取所述图像的类别，其中，是图像的主题频次直方图；Zdi表示第d幅图像的第i个主题，Zdj表示第d幅图像的第j个主题，|zd|表示第d幅图像的主题的个数；
η＝[η1，η2，……，ηC]T，其中，ηc表示softmax函数第c个类别的向量，ηc～N(0，ρ2)，c为大于等于1小于等于C的整数，C为所有类别的总数，N(0，ρ2)为均值为0，方差为ρ2的正太分布。
17.一种图像分类装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行下述步骤：
获取图像的主题频次；
获取类别矩阵，所述类别矩阵中包含C个类别的向量，每个类别的向量服从正态分布，所述C为大于等于2的整数；
根据所述图像的主题频次和所述类别矩阵，利用分类器，获取所述图像的类别。
CN201710300731.1A 2017-05-02 2017-05-02 图像分类的方法和装置 Active CN107122801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710300731.1A CN107122801B (zh) 2017-05-02 2017-05-02 图像分类的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710300731.1A CN107122801B (zh) 2017-05-02 2017-05-02 图像分类的方法和装置

Publications (2)

Publication Number Publication Date
CN107122801A true CN107122801A (zh) 2017-09-01
CN107122801B CN107122801B (zh) 2020-03-03

Family

ID=59726532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710300731.1A Active CN107122801B (zh) 2017-05-02 2017-05-02 图像分类的方法和装置

Country Status (1)

Country Link
CN (1) CN107122801B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145936A (zh) * 2018-06-20 2019-01-04 北京达佳互联信息技术有限公司 一种模型优化方法及装置
WO2019242278A1 (zh) * 2018-06-20 2019-12-26 北京达佳互联信息技术有限公司 内容描述生成模型的损失值获取方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070258648A1 (en) * 2006-05-05 2007-11-08 Xerox Corporation Generic visual classification with gradient components-based dimensionality enhancement
US20080069456A1 (en) * 2006-09-19 2008-03-20 Xerox Corporation Bags of visual context-dependent words for generic visual categorization
CN101315663A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 一种基于区域潜在语义特征的自然场景图像分类方法
CN101571856A (zh) * 2008-04-30 2009-11-04 福特安（苏州）图像管理有限公司 一种推断图像中主题和场景的方法
CN102495865A (zh) * 2011-11-28 2012-06-13 南京大学 结合图像内部空间关系及视觉共生关系的图像标注方法
CN103020111A (zh) * 2012-10-29 2013-04-03 苏州大学 基于词汇树层次语义模型的图像检索方法
CN103366175A (zh) * 2013-07-14 2013-10-23 西安电子科技大学 基于潜在狄利克雷分配的自然图像分类方法
CN103390046A (zh) * 2013-07-20 2013-11-13 西安电子科技大学 潜在狄利克雷模型的多尺度字典自然场景图像分类方法
CN103810500A (zh) * 2014-02-25 2014-05-21 北京工业大学 一种基于有监督学习概率主题模型的地点图像识别方法
CN103810287A (zh) * 2014-02-25 2014-05-21 西安电子科技大学 基于有监督共享组件主题模型的图像分类方法
CN105389593A (zh) * 2015-11-16 2016-03-09 上海交通大学 基于surf特征的图像物体识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070258648A1 (en) * 2006-05-05 2007-11-08 Xerox Corporation Generic visual classification with gradient components-based dimensionality enhancement
US20080069456A1 (en) * 2006-09-19 2008-03-20 Xerox Corporation Bags of visual context-dependent words for generic visual categorization
CN101571856A (zh) * 2008-04-30 2009-11-04 福特安（苏州）图像管理有限公司 一种推断图像中主题和场景的方法
CN101315663A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 一种基于区域潜在语义特征的自然场景图像分类方法
CN102495865A (zh) * 2011-11-28 2012-06-13 南京大学 结合图像内部空间关系及视觉共生关系的图像标注方法
CN103020111A (zh) * 2012-10-29 2013-04-03 苏州大学 基于词汇树层次语义模型的图像检索方法
CN103366175A (zh) * 2013-07-14 2013-10-23 西安电子科技大学 基于潜在狄利克雷分配的自然图像分类方法
CN103390046A (zh) * 2013-07-20 2013-11-13 西安电子科技大学 潜在狄利克雷模型的多尺度字典自然场景图像分类方法
CN103810500A (zh) * 2014-02-25 2014-05-21 北京工业大学 一种基于有监督学习概率主题模型的地点图像识别方法
CN103810287A (zh) * 2014-02-25 2014-05-21 西安电子科技大学 基于有监督共享组件主题模型的图像分类方法
CN105389593A (zh) * 2015-11-16 2016-03-09 上海交通大学 基于surf特征的图像物体识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AY WANG等: ""Image categorization based on spatial visual vocabulary model"", 《PROC SPIE》 *
S PERANTONIS等: ""Bag of spatio-visual words for context inference in scene classification"", 《PATTERN RECOGNITOON》 *
张艺等: ""基于视觉字典容量自动获取的LDA场景分类研究"", 《广东工业大学学报》 *
杨文等: ""利用主题模型的遥感图像场景分类"", 《武汉大学学报（信息科学版）》 *
邵华等: ""基于词对主题模型的中分辨率遥感影像土地利用分类"", 《农业工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145936A (zh) * 2018-06-20 2019-01-04 北京达佳互联信息技术有限公司 一种模型优化方法及装置
CN109145936B (zh) * 2018-06-20 2019-07-09 北京达佳互联信息技术有限公司 一种模型优化方法及装置
WO2019242278A1 (zh) * 2018-06-20 2019-12-26 北京达佳互联信息技术有限公司 内容描述生成模型的损失值获取方法及装置

Also Published As

Publication number Publication date
CN107122801B (zh) 2020-03-03

Similar Documents

Publication Publication Date Title
CN105528606B (zh) 区域识别方法及装置
CN104182127B (zh) 图标移动方法和装置
CN106446782A (zh) 图像识别方法及装置
CN107193983A (zh) 图像搜索方法及装置
CN106651955A (zh) 图片中目标物的定位方法及装置
CN106548468B (zh) 图像清晰度的判别方法及装置
CN106024009A (zh) 音频处理方法及装置
CN104735243B (zh) 联系人列表显示方法及装置
CN107944447A (zh) 图像分类方法及装置
CN108256549A (zh) 图像分类方法、装置及终端
CN104077597B (zh) 图像分类方法及装置
CN107766820A (zh) 图像分类方法及装置
CN105809174A (zh) 识别图像的方法及装置
CN108345581A (zh) 一种信息识别方法、装置和终端设备
CN107133354A (zh) 图像描述信息的获取方法及装置
CN107463903A (zh) 人脸关键点定位方法及装置
CN107563994A (zh) 图像的显著性检测方法及装置
CN107832746A (zh) 表情识别方法及装置
CN107544802A (zh) 设备识别方法及装置
CN109819288A (zh) 广告投放视频的确定方法、装置、电子设备及存储介质
CN108009990A (zh) 倾斜对象处理方法及装置
CN107454204A (zh) 用户信息标注方法及装置
CN107845094A (zh) 图像文字检测方法、装置及计算机可读存储介质
CN107895041A (zh) 拍摄模式设置方法、装置及存储介质
CN107801282A (zh) 台灯、台灯控制方法及装置

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
GR01 Patent grant
GR01 Patent grant