一种基于类间混淆的食物图像层级构造和分类方法

技术特征：
1.一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：包括如下步骤：s1：获取食物图像数据集food-m，并训练m类平坦分类器，m＝m
(1)
；s2：根据m
(k)
类平坦分类器获得食物各类别之间的发生分类混淆的难易程度，k∈[1，k]且k∈z；将m
(k)
个食物类别分成两大类，两大类具有的类别数目分别为其中且遍历探索得到最佳合并方式，使得m
(k)
类平坦分类器具有最高的大类判别准确率；s3：为与两个大类分别训练平坦分类器；s4：令重复步骤s2至s3，直到满足s5：为食物图像数据集food-m逐层级共设置了k个大类判别器，最终训练得到k个类平坦分类器和一个类平坦分类器，还训练得到k个大类判别器，分别由类平坦分类器充当，其中k∈[1，k]且k∈z。2.根据权利要求1所述的一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：在步骤s1中，将数据集food-m按6∶1∶3划分训练集、验证集和测试集，不考虑类间层级关系，训练一个m类平坦分类器。3.根据权利要求2所述的一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：在步骤s2中，s2-1：使用m
(k)
类平坦分类器在验证集上做推理，将验证集中每一张图片的真实标签与m
(k)
类平坦分类器给出的预测类别保存到文本文件predval.txt；并输出m
(k)
类平坦分类器预测的类间混淆，并按照混淆程度，降序输出混淆类别对，保存到log.txt中；s2-2：选取步骤s2-1得到的log.txt中排序靠前的若干混淆类别对，直到生成初始类别合并的较大类将剩余个类别全部归类到较小类，得到初始的类别合并方式；s2-3；以步骤s2-2获得的初始的类别合并方式为起始状态，迭代遍历探索最佳类别合并方式；迭代方式分两步，先交换遍历，再加一，两步迭代交替进行；在不改变较大类的类别数量的前提下，较大类与较小类交换一个类别，遍历所有种交换之后的合并方式，并结合步骤s2-1保存的predval.txt文件，计算每种合并方式下大类判别准确率，并保存最佳合并方式；在结束交换遍历得到的最佳合并方式的基础上，从中任取一个类别放入中；交换遍历与加一交替进行，直到等于且最后一个步骤为迭代方式中的交换遍历。s2-4；m
(k)
类平坦分类器做层级判断将m
(k)
类划分为两个大类和和的选取有很大的灵活性；要使得大类判别准确率高，则将设置得越大，相应的越小；要提高推理的效率，则将设置得越小，相应的越大；和的选取在大类判别准确率和推理的效率二者之间权衡；在选取时坚持两个原则：acc>acc
threshold
；为人为设置的较大类别所包含的类别数量的上界限值；acc为当前层级结构对应的大类判别准确率；acc
threshold
为人为设置的期望得到的大类判别准确率的下界限值；
根据可负荷的层级数量设置；在步骤s2-3中，交换遍历测大类判别准确率时，若满足acc>acc
threshold
，则此时的即为若直到都不满足acc>acc
threshold
，则4.根据权利要求3所述的一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：在步骤s3中，按照步骤s2-3得到的最佳合并方式为较小类训练类平坦分类器，用来做最终的类别判断；为较大类训练类平坦分类器；对于类平坦分类器，若满足则该类平坦分类器用来做最终的类别判断，若不满足则该类平坦分类器用来充当大类判别器，继续将该类拆分成两个大类，直到满足5.根据权利要求3所述的一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：在步骤s4中，令重复执行步骤s2至s3，对于较大类始终用类层级分类来代替类平坦分类，直到满足6.根据权利要求1所述的一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：在步骤s5中，最终训练得到k个类平坦分类器和一个类平坦分类器，此外还有k个大类判别器，分别是类平坦分类器充当的，其中k∈[1，k]且k∈z；再结合逐层遍历探索得到的层级结构，即可做出最终的类别判断。7.一种电子设备，其特征在于：包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。8.一种计算机可读介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1-6中任一所述的方法。

技术总结
本发明涉及一种基于类间混淆的层级结构构造和层级分类方法，包括如下步骤：S1：获取食物图像数据集Food-M，并训练M类平坦分类器，M＝M


技术研发人员：明朝燕 肖翠萍
受保护的技术使用者：浙大城市学院
技术研发日：2022.05.18
技术公布日：2022/8/19