智能零售場景中往往會使用到圖像分類技術(shù)來識別商品,然而實際場景中并不是所有出現(xiàn)的物體都是已知的,未知的物體會干擾場景中的模型正常運行.針對智能零售場景中的圖像分類問題,從已知類別封閉數(shù)據(jù)集的分類特征出發(fā),通過對已知類別的分類特征進(jìn)行計算和修正得到對未知類別物體的分類預(yù)測.通過構(gòu)造已知類別的特征空間,并結(jié)合針對圖像分類特征空間的特性優(yōu)化的特征距離——歸一化主類距離,可以更好地擬合特征空間在已知類別數(shù)據(jù)集中的邊界概率模型.最終用邊界概率模型對原分類特征做出修正計算,得到對物體的未知類別的分類預(yù)測,并通過設(shè)計實驗驗證該方法的可行性.此外,在智能零售場景的數(shù)據(jù)集支持下,與已有方法進(jìn)行了對比實驗.使用特征空間歸一化主類距離的開放集分類算法在有著更高的已知類別分類準(zhǔn)確率的同時,開放集拒絕率有14.20%的提升,達(dá)到了44.85%.

【文章頁數(shù)】：7 頁


本文編號：3742212