弱监督细粒度物体分类方法

摘要

本发明公开了一种弱监督细粒度物体分类方法，包括：对于待分类图像，通过区域建议网络生成一系列矩形的局部区域，并将各个局部区域按照置信度从大到小的顺序进行排序，选出M个局部区域；通过特征提取器提取M个局部区域的特征向量，从而预测M个局部区域为每一类别的概率值；预测结果将用于后续的集成预测部分，以及区域建议网络与集成预测中分类器的优化；通过特征提取器提取待分类图像的特征向量，从而预测待分类图像为每一类别的概率值；结合M个局部区域中前K个局部区域为每一类别的概率值以及待分类图像为每一类别的概率值，计算每一类别的最终概率值，选出最大概率值的类别作为分类结果。该方法具有分类精确度高、成本较低的优点。