[發(fā)明專(zhuān)利]圖片分類(lèi)的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810496556.2
• 申請(qǐng)日: 2018-05-22
• 公開(kāi)（公告）號(hào): CN108710916B
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 初穎;向海明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 重慶完美空間科技有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06K9/46
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡;曾紅芳

本發(fā)明公開(kāi)了一種圖片分類(lèi)的方法及裝置。其中，該方法包括：確定目標(biāo)圖片的分類(lèi)依據(jù)；根據(jù)確定的分類(lèi)依據(jù)從目標(biāo)圖片中提取目標(biāo)圖片的圖片特征，其中，圖片特征包括確定的分類(lèi)依據(jù)下所屬的至少兩個(gè)維度的分類(lèi)特征；按照提取的圖片特征對(duì)目標(biāo)圖片進(jìn)行分類(lèi)。本發(fā)明解決了由于相關(guān)技術(shù)采用固定的分類(lèi)依據(jù)，具體分類(lèi)時(shí)采用單一分類(lèi)特征對(duì)目標(biāo)圖片進(jìn)行分類(lèi)，導(dǎo)致對(duì)目標(biāo)圖片進(jìn)行分類(lèi)獲得的分類(lèi)結(jié)果誤差大的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及圖片分類(lèi)領(lǐng)域，具體而言，涉及一種圖片分類(lèi)的方法及裝置。

背景技術(shù)

圖片分類(lèi)是根據(jù)各個(gè)圖片所反映的不同特征，把不同類(lèi)別的目標(biāo)圖片區(qū)分開(kāi)來(lái)的圖片處理方法。它利用計(jì)算機(jī)對(duì)圖片進(jìn)行定量分析，把圖片或圖片中的每個(gè)像元或區(qū)域劃歸為若干個(gè)類(lèi)別中的某一種，以代替人的視覺(jué)判讀。在相關(guān)技術(shù)的圖片分類(lèi)的方法中，可以分為如下幾類(lèi)：1)人工對(duì)圖片進(jìn)行一些標(biāo)注，然后根據(jù)標(biāo)注的信息對(duì)圖片進(jìn)行分類(lèi)，但是人工對(duì)圖片進(jìn)行標(biāo)注的方法，需要耗費(fèi)大量的人力，而且圖片分類(lèi)的準(zhǔn)確率不高，不適用于較為復(fù)雜、要求精準(zhǔn)的圖片分類(lèi)問(wèn)題；2)對(duì)圖片提取手工特征，然后利用傳統(tǒng)分類(lèi)方法進(jìn)行圖片分類(lèi)，對(duì)圖片提取的手工特征，以及利用卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的特征，在進(jìn)行圖片分類(lèi)的時(shí)候只能針對(duì)圖片在某一方面的特性來(lái)進(jìn)行分類(lèi)，無(wú)法滿(mǎn)足多角度的分類(lèi)要求；3)利用卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取圖片特征，再利用傳統(tǒng)分類(lèi)方法來(lái)得到分類(lèi)結(jié)果；或直接利用卷積神經(jīng)網(wǎng)絡(luò)來(lái)完成圖片特征的提取以及分類(lèi)，輸出分類(lèi)結(jié)果；利用卷積神經(jīng)網(wǎng)絡(luò)在進(jìn)行特征提取的時(shí)候，特征的描述能力比較單一。

總之，在相關(guān)技術(shù)的圖片分類(lèi)方法中，大都是按照一種固定的分類(lèi)依據(jù)對(duì)所有的目標(biāo)圖片進(jìn)行分類(lèi)，這樣的分類(lèi)方法，對(duì)不適用該分類(lèi)依據(jù)的目標(biāo)圖片在對(duì)其進(jìn)行分類(lèi)時(shí)，會(huì)產(chǎn)生較大的分歧，嚴(yán)重影響分類(lèi)結(jié)果；在相關(guān)技術(shù)的分類(lèi)方法中提取的圖片特征為單一特征，單一特征存在魯棒性較差的情況，利用該特征得到的分類(lèi)結(jié)果，較為片面，效果較差；而且相關(guān)技術(shù)的圖片分類(lèi)方法，大都將目標(biāo)圖片確定為一類(lèi)分類(lèi)組別，而在實(shí)際的圖片分類(lèi)過(guò)程中，往往存在一張圖片同時(shí)與兩類(lèi)分類(lèi)組別相關(guān)度較高，甚至多類(lèi)，此時(shí)在相關(guān)技術(shù)中往往采用相關(guān)度最高的分類(lèi)組別作為該圖片的最終分類(lèi)組別，但是按照單一特征分類(lèi)的方法，本來(lái)就具有片面性，按照與單一特征的相關(guān)度來(lái)判定圖片的最終分類(lèi)，會(huì)造成更大的分類(lèi)誤差。

針對(duì)上述的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種圖片分類(lèi)的方法及裝置，以至少解決由于相關(guān)技術(shù)采用固定的分類(lèi)依據(jù)，具體分類(lèi)時(shí)采用單一分類(lèi)特征對(duì)目標(biāo)圖片進(jìn)行分類(lèi)，導(dǎo)致對(duì)目標(biāo)圖片進(jìn)行分類(lèi)獲得的分類(lèi)結(jié)果誤差大的技術(shù)問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種圖片分類(lèi)的方法，包括：確定目標(biāo)圖片的分類(lèi)依據(jù)；根據(jù)確定的分類(lèi)依據(jù)從所述目標(biāo)圖片中提取所述目標(biāo)圖片的圖片特征，其中，所述圖片特征包括確定的分類(lèi)依據(jù)下所屬的至少兩個(gè)維度的分類(lèi)特征；按照提取的所述圖片特征對(duì)所述目標(biāo)圖片進(jìn)行分類(lèi)。

可選的，所述分類(lèi)依據(jù)包括以下至少之一：圖片的紋理特征，圖片的形狀特征。

可選的，在所述分類(lèi)依據(jù)為圖片的紋理特征的情況下，根據(jù)確定的分類(lèi)依據(jù)從所述目標(biāo)圖片中提取所述目標(biāo)圖片的圖片特征包括：獲取所述目標(biāo)圖片的灰度圖，并采用預(yù)定模板對(duì)所述灰度圖執(zhí)行卷積操作，獲得所述目標(biāo)圖片的第一部分紋理特征；獲取所述目標(biāo)圖片的灰度共生矩陣，并依據(jù)所述灰度共生矩陣獲得所述目標(biāo)圖片的第二部分紋理特征；將所述第一部分紋理特征和所述第二部分紋理特征進(jìn)行級(jí)聯(lián)，獲得所述目標(biāo)圖片的級(jí)聯(lián)特征，并將所述級(jí)聯(lián)特征作為所述目標(biāo)圖片的圖片特征。

可選的，采用預(yù)定模板對(duì)所述灰度圖執(zhí)行卷積操作，獲得所述目標(biāo)圖片的第一部分紋理特征包括：采用所述預(yù)定模板對(duì)所述灰度圖執(zhí)行卷積操作并獲得卷積結(jié)果后，將所述卷積結(jié)果的均值，均方差，偏態(tài)，峰度作為所述目標(biāo)圖片的第一部分紋理特征；依據(jù)所述灰度共生矩陣獲得所述目標(biāo)圖片的第二部分紋理特征包括：將所述灰度共生矩陣的熵，能量，對(duì)比度，同質(zhì)性作為所述目標(biāo)圖片的第二部分紋理特征。