一种基于区域敏感得分图谱及多实例学习的图片属性探测方法

摘要

本发明公开了一种基于区域敏感得分图谱及多实例学习的图片属性探测方法。包括以下步骤：通过卷积神经网络将输入图像转换为RSSM特征图谱，再通过RSSM组合层将RSSM特征图谱转换为1000×10×10的MIL特征图谱，最后将MIL特征图谱输入到多实例学习MIL网络层得到1000×1的属性概率向量。本发明所述的基于区域敏感得分图谱及多实例学习的属性探测方法比起之前的方法探测准确率有明显提升，同等情况下，基于CNN模型和FCN‑MIL模型的准确率只能达到30.8％和34.0％，而本发明提出的基于敏感区域得分图谱和多实例学习的方法能够达到42.1％。此外基于敏感区域得分图谱及多实例学习的方法能够探测图片的1000种属性，比一般的属性探测方法更全面，基本能够胜任一般的图片视频描述及场景理解的需要。