一种基于D-GCN和目标检测网络yolov5的多标签图像分类方法

本发明涉及深度学习计算机视觉技术等领域，公开了一种基于D‑GCN和目标检测网络yolov5的多标签图像分类方法，用目标检测的方法精准地提取图像各个类别的视觉特征，并且提出了一种语义解耦方法，将词向量和图像特征进行多模态融合，生成图的节点，包括下述步骤：使用ResNet101模型对输入图像进行特征提取，经过一个最大池化层和一个全连接层进行分类，得到第一组置信分数；使用预训练的yolov5对输入的图像进行目标检测，然后对于网络检测出的边框进行汇总，统计各个类别的边框，计算得到第二组置信分数；对于每个类别，将图像按照检测出的边框裁剪出来，并使用ResNet101模型对每张剪裁出的图像进行特征提取，生成tensor向量，最后求得加权平均值特征向量。