买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：实现类别平衡采样的主动‑类增量图像分类方法及装置，涉及增量任务的图像分类领域。解决现有面向无标签图像集合在基于主动学习的类增量图像分类模型进行样本选择时呈现严重的类别不平衡现象的问题。本发明采用本发明所设计的改进贪心采样算法来选出一批有价值样本，使得挑选样本所服从的分布接近全体样本的分布，进而实现采样的类别平衡。该改进贪心采样算法通过计算所选样本构成的分布以及本簇中全部样本构成的分布的相似程度来决定每个样本是否有价值被选择。本发明主要用于实现增量任务的图像分类。

主权项：1.实现类别平衡采样的主动-类增量图像分类方法，其特征在于，该方法包括如下步骤：S1、获取所有任务的无标签训练集，每个任务所对应的无标签训练集中包括多种类别的无标签图像，每个图像作为一个样本，各任务间图像类别不重叠；S2、类增量图像分类模型加载给定的模型参数并锁定，t的初始值为1，此时当前第t个任务下随机初始化类增量图像分类模型的提示词参数；类增量图像分类模型由深度学习模型和视觉提示词微调单元构成，且模型参数用于约束深度学习模型，提示词参数用于约束视觉提示词微调单元；S3、利用深度学习模型提取当前任务所对应的无标签训练集中各样本的视觉特征，得到特征集；S4、利用聚类算法将特征集中的样本聚成若干个簇，从每个簇中采用改进贪心采样算法进行有价值样本选取，直至遍历所有簇，改进贪心采样算法选取原则为：确定各簇中选取样本数量Kc，且保证所选取出的Kc个样本服从的高斯分布与其该Kc个样本所在簇内所有样本服从的高斯分布间的KL散度最小；其中，所选取出的Kc个样本均作为有价值样本；Kc为第c个簇内选取出的样本数；S5、判断当前第t个任务所对应的选取出的有价值样本总数是否超出预设样本总数B，结果为是，随机保留B个有价值样本，并将该B个有价值样本进行类别标注后，继续锁定给定的模型参数，利用标注后样本对类增量图像分类模型中的视觉提示词微调单元进行训练，从而确定类增量图像分类模型的提示词参数，执行步骤S6；结果为否，将选取出的所有有价值样本进行类别标注后，继续锁定给定的模型参数，利用标注后样本对类增量图像分类模型中的视觉提示词微调单元进行训练，从而确定类增量图像分类模型的提示词参数，执行步骤S6；S6、令t＝t+1，判断t是否为最后一个任务，结果为是，完成对类增量图像分类模型的训练，执行步骤S7，结果为否，则用上一任务的类增量图像分类模型的提示词参数来初始化当前任务的提示词参数，执行步骤S3；S7、利用训练后的类增量图像分类模型对待分类的图像进行分类。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 实现类别平衡采样的主动-类增量图像分类方法及装置