专利汇可以提供一种基于机器学习算法进行图像分析的方法专利检索,专利查询,专利分析的服务。并且本 发明 提出了一种基于 机器学习 算法 进行 图像分析 的方法,其主要内容包括:包括属性学习、按尺度计量属性、集群方式的一致 可视化 ,其过程为,根据分级器对数据集的 深度学习 给出图像中物品的属性特征。使用 监督学习 法,训练机器对图片注释进行学习,建立物品属性分类器,最大限度的提高测试性能标准,机器进行分类,再把其运用到更大的 数据库 ,使其成为图片分析的有效工具,本发明使用两个新型视觉算法,通过图像聚类来检测相关属性集群,根据已识别的属性集群,进一步识别图片和物品集群,根据机器学习给出物品属性,为工业领域的新设计,以及工程领域的创新解决方案做了进一步贡献。,下面是一种基于机器学习算法进行图像分析的方法专利的具体信息内容。
1.一种基于机器学习算法进行图像分析的方法,其特征在于,主要包括属性学习(一);
按尺度计量属性(二);集群方式的一致可视化(三)。
2.基于权利要求书1所述的属性学习(一),其特征在于,根据监督学习法,训练机器对图片注释进行学习,分析新图像里面的物品属性,其中创建卷积神经网络(CNN)的关键是网络结构和内影像图层,CNN次末级输出一个典型的特征向量,其维度为1024,其中由线性层输出预测评分,如所出现物品属性的概率,CNN在基于ImageNet数据集的基础上学习图像分类,对CNN进行数据上的调整,根据无监督聚类法,可以自动检测可视化相关数据,计算出图像的物品属性。
3.基于权利要求书2所述的在ImageNet数据集的基础上学习图像分类,其特征在于,在ImageNet学习之后,不考虑网络的最后一个线性层,其输出维度是1024,平行追加几个1024×Ni线性层,其中i类属性标签数量为Ni,其中在每张图像上运行两个新型视觉算法,一个负责检测和定位物品,另一个负责估算图像其余部分的可见性,在图像中给定一组物品图像以及其余可见部分,用基于距离的启发式算法对二者进行配对,根据检测到的物品位置和规模,计算出一个典型图像,其中超出包围盒的图像不检测。
4.基于权利要求书2所述的属性标签,其特征在于,每个属性,先采用分层抽样法选择一个属性标签,其次为该属性标签指定一个具体的图像,其中分层抽样法抵消了每个属性的隐形失衡,经过32次抽样后,建立一个小批量图集,通过CNN计算迷你图集相对于交叉熵误差的参数梯度,每个属性积累到一定梯度后,令梯度下降动量=0.9,学习率=10-2,重量衰变=10-4,以此来更新CNN的参数,其中选取图像的属性注释组成新子集(SS),其中已注释数据集包含大量图像,每个图像具有12种物品属性,其80%的SS负责培训,10%负责确认停止训练的时间以及进一步分析此部分,10%负责把测试出的属性分类并做出最终评价。
5.基于权利要求书4所述的SS,其特征在于,根据数据集里的每张图片提取出的物品信息,把物品属性相关的注释组成一个子集,运用机器学习其属性和分类,其学习结果推广运用到整个数据集,其中物品属性包括:物品种类,用途,颜色等。
6.基于权利要求书1所述的按尺度计量属性(二),其特征在于,建立物品属性分类器,最大限度的提高测试性能标准,机器进行分类,再把其运用到更大的数据库,使其成为图片分析的有效工具,结果表明,根据图像中物品属性对应正确率小于50%,分类器预测该图像为NO的时候占99%,对于其存在的误差,使用后验概率模型校准分类器评分,校准方法包括分类器概率输出和保序回归。
7.基于权利要求书6所述的分类器概率输出和保序回归,其特征在于,保序回归算法加上注解之后,曲线的识别功能非常接近即x=y,这意味着曲线符合标准,其中一半的测试集用来训练回归量,另外一半负责计算曲线的可靠性,其中保序回归通常需要大量的数据来避免过度拟合,且基于概率输出算法下,其中测试结果未发生过度拟合,故采用保序回归来校准分类器对测试集的评分。
8.基于权利要求书1所述的集群方式的一致可视化(三),其特征在于,采用聚类识别重复出现的视觉主题,其中视觉主题存在于图像的嵌入式空间里,检索其网络的倒数第二层,其特征空间维度为1024,其中可以明显看到其物品属性是线性分离的,在维度1024的特征空间内,通过机器在SS数据集中的训练学习,图像按物品视觉属性分类陈列,其中在维度
1024嵌入式特征空间中,通过图像聚类来检测到以上所述的相关视觉主题,这个主题集群被称为属性集群,根据已识别的属性集群,进一步识别图片和物品集群,结果表明不同集群之间联系密切。
9.基于权利要求书8所述的风格集群,其特征在于,在所有的数据子集内运用一个聚类算法,达到不同时间之间图像的平衡,其中,按不同地区不同时间的划分法,把图像放进不同的接收器,其中每个接收器图像少于N,选择所有图片,令每个接收器图像超过N,随机抽取图像N,令N=4000,从集群中抽取样本共5.4M,根据这一系列中每张被裁减好的图像,计算出其在CNN中维度为1024的特征向量,其中标准向量为L2,在标准向量中执行主成分分析(PCA),在顶层的组成项目中,保留向量方差为90%。
10.基于权利要求书9所述的特征向量,其特征在于,根据400个高斯混合模型的组成部分和对角协方差矩阵,令向量集群,其中根据最大后验概率,每张图像指定一个物品集群,之后根据集群中心点按指令计算它们的欧几里得距离,集群后将会增加模型中数据的可能性或者令集群规模缩小,故采用400作为大型集群和最大化数据的折衷选择。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种供电设备及供电方法 | 2020-05-08 | 410 |
上行传输方法、计算机可读存储介质和分布式多天线系统 | 2020-05-08 | 568 |
一种OFDMA跨载波同频全双工配对方法及应用 | 2020-05-08 | 63 |
临时解锁方法、系统、门锁、管理员终端和可读存储介质 | 2020-05-08 | 288 |
一种具有支撑装置的用于汽车零部件加工的大型冲床 | 2020-05-08 | 408 |
智能家电装置控制方法 | 2020-05-08 | 642 |
一种面向云负载测试的共享式资源分配方法 | 2020-05-08 | 360 |
一种设备切换方法及相关设备 | 2020-05-08 | 582 |
用于法兰孔板的孔位检测治具 | 2020-05-08 | 816 |
一种基于图像处理技术的交通管理装置 | 2020-05-08 | 695 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。