图像多标签分类方法、装置、计算机设备和存储介质.pdf
雨巷****轶丽
亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
图像多标签分类方法、装置、计算机设备和存储介质.pdf
本申请实施例涉及图像处理技术领域,公开了一种图像多标签分类方法、装置、计算机设备和存储介质,所述方法包括:获取m个初始标签和n个初始样本图像各自的初始特征向量;对n个所述初始样本图像各自的初始特征向量进行深度矩阵分解,得到n个所述初始样本图像各自的低秩特征向量,所述低秩特征向量的维度小于所述初始特征向量的维度;根据m个所述初始标签和n个所述初始样本图像各自的低秩特征向量,构建样本关联网络、标签关联网络和样本标签网络;对所述样本关联网络、所述标签关联网络和所述样本标签网络进行随机游走和标签分类,得到每个所述
图像多标签分类方法、装置、计算机设备和存储介质.pdf
本申请实施例涉及图像处理技术领域,公开了一种图像多标签分类方法、装置、计算机设备和存储介质,所述方法包括:获取n个初始样本图像和m个初始标签;根据n个所述初始样本图像和m个所述初始标签,构建样本关联网络、标签关联网络和样本标签网络;对所述样本关联网络、所述标签关联网络和所述样本标签网络进行随机游走,得到每个所述初始样本图像和每个所述初始标签之间的置信度;根据每个所述初始样本图像和每个所述初始标签之间的置信度,确定每个所述初始样本图像的多标签分类结果。实施本申请实施例,能解决现有图像多标签分类中会忽略标签本
图像的多标签分类方法及装置、设备、存储介质.pdf
本发明公开了一种图像的多标签分类方法及装置、设备、存储介质;所述方法包括:获取多个预设标签以及多个初始样本图像;分别对多个初始样本图像进行特征提取,得到多个初始特征向量;对多个初始特征向量进行非负矩阵分解处理,得到与多个初始样本图像分别对应的隐含因子向量;根据与多个初始样本图像分别对应的隐含因子向量和多个预设标签,构建样本关联网络、标签关联网络和样本标签网络;根据样本关联网络、标签关联网络和样本标签网络,得到每个初始样本图像的多标签分类结果。能够解决现有图像多标签分类中处理耗时长,分类准确度不够的问题。
标签分类方法、装置、设备及计算机存储介质.pdf
本申请实施例提供了一种标签分类方法、装置、设备及计算机存储介质,该标签分类方法包括获取待分类的标签数据,待分类的标签数据包括预设特征词和预设特征词的词频;采用Tfidf算法对预设特征词和预设特征词的词频进行计算,得到待分类的标签数据的目标特征向量;采用训练后的预设分类模型对目标特征向量计算标签分类结果。根据本申请实施例,可以通过预设分类模型对标签进行快速准确的分类,避免人工分类存在的准确率低、主观性强以及成本高等弊端,提高了标签分类的效率和分类结果的准确率。
图像分类方法、装置、计算机设备和存储介质.pdf
本申请涉及一种图像分类方法、装置、计算机设备和存储介质。所述方法包括:通过双模态分类模型识别待分类图像中多目标对象的表情分类结果和肢体分类结果,基于目标对象的表情分类结果和肢体分类结果的决策结果,得到目标对象的学习状态,从多维度识别目标对象的情感态度,提高情感态度在目标对象的情感敏感度更高,并根据每种学习状态对应的实际概率分布值与预设概率分布值之间的相似度,确定待分类图像对应的学习效果,可以有效反映学生的真实学习情况。