一种基于数据与任务驱动的图像分类方法

摘要

本发明公开了一种基于数据与任务驱动的图像分类方法，该方法包括：根据数据集规模与图像内容设计卷积神经网络结构；使用给定分类数据集对卷积神经网络模型进行训练；使用训练后的卷积神经网络对训练集图像提取特征表达；将测试图像输入训练后的卷积神经网络，并进行分类。本发明方法基于非线性卷积特征学，可以以数据驱动的方式实现模型对数据集的自适应，从而更好的描述特定的数据集，通过任务驱动的方式直接对K近邻的误差进行优化，使其能够在K近邻任务上取得更好的性能；并且在训练阶段可以采用GPU进行高效训练，在测试阶段只需使用CPU就可以实现高效的K近邻图像分类，非常适用于大规模的图像分类、检索等任务。

主权项

一种基于数据与任务驱动的图像分类方法，其特征在于，包括：数据集准备，根据数据集规模与图像内容设计卷积神经网络结构；模型训练，使用给定分类数据集对卷积神经网络模型进行训练；使用训练后的卷积神经网络对训练集图像进行特征表达提取；将测试图像输入训练后的卷积神经网络，使用K近邻方式对测试图像进行分类。