[發明專利]圖像分類方法、裝置、電子設備及存儲介質

有效

• 申請號: 201811143305.2
• 申請日: 2018-09-28
• 公開（公告）號: CN109447124B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 張志偉;李鉛;李焱
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 11319 北京潤澤恒知識產權代理有限公司
• 代理人: 莎日娜<國際申請>=<國際公布>=<進入

1.一種圖像分類方法，其特征在于，所述方法包括：

根據預設網絡結構獲取待分類圖像的多個特征矩陣；所述預設網絡結構中包括多個級聯的不同層級的網絡結構，每個層級的網絡結構分別輸出一個特征矩陣；

根據每一個特征矩陣獲取N個感受野的特征向量，所述N為大于1的整數；

將N個感受野的特征向量融合為目標特征向量；

根據所述目標特征向量獲取所述待分類圖像的分類標簽。

2.根據權利要求1所述的方法，其特征在于，

所述根據預設網絡結構獲取待分類圖像的多個特征矩陣，包括：

將所述待分類圖像輸入至多個級聯的不同層級的網絡結構中的層級最低的網絡結構中，得到每一個層級的網絡結構輸出的特征矩陣。

3.根據權利要求2所述的方法，其特征在于，所述根據每一個特征矩陣獲取N個感受野的特征向量，包括：

對于每一個特征矩陣，根據輸出每一個特征矩陣的網絡結構確定各個特征矩陣對應的N個感受野；

根據各個感受野將其對應的特征矩陣拆分為多個特征子矩陣；

對每一個特征矩陣拆分后的多個特征子矩陣分別進行池化處理，得到每個特征子矩陣對應的池化特征矩陣；

將每個池化特征矩陣轉換為其對應的特征向量。

4.根據權利要求3所述的方法，其特征在于，所述根據輸出每一個特征矩陣的網絡結構確定各個特征矩陣對應的N個感受野，包括：

在網絡結構與感受野之間的對應關系中，確定與用于輸出每一個特征矩陣的網絡結構相對應的感受野，其中，在所述對應關系中，層級越高的網絡結構對應的感受野越大，層級越低的網絡結構對應的感受野越小。

5.根據權利要求3所述的方法，其特征在于，所述對每一個特征矩陣拆分后的多個特征子矩陣分別進行池化處理，包括：

在網絡結構與池化方式之間的對應關系中，確定與用于輸出每一個特征矩陣的網絡結構相對應的池化方式；

根據確定的池化方式對每一個特征矩陣拆分后的多個特征子矩陣分別進行池化處理。

6.一種圖像分類裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于根據預設網絡結構獲取待分類圖像的多個特征矩陣；所述預設網絡結構中包括多個級聯的不同層級的網絡結構，每個層級的網絡結構分別輸出一個特征矩陣；

第二獲取模塊，用于根據每一個特征矩陣獲取N個感受野的特征向量，所述N為大于1的整數；

融合模塊，用于將N個感受野的特征向量融合為目標特征向量；

第三獲取模塊，用于根據所述目標特征向量獲取所述待分類圖像的分類標簽。

7.根據權利要求6所述的裝置，其特征在于，

所述第一獲取模塊具體用于：將所述待分類圖像輸入至多個級聯的不同層級的網絡結構中的層級最低的網絡結構中，得到每一個層級的網絡結構輸出的特征矩陣。

8.根據權利要求7所述的裝置，其特征在于，所述第二獲取模塊包括：

確定單元，用于對于每一個特征矩陣，根據輸出每一個特征矩陣的網絡結構確定各個特征矩陣對應的N個感受野；

拆分單元，根據各個感受野將其對應的特征矩陣拆分為多個特征子矩陣；

池化單元，用于對每一個特征矩陣拆分后的多個特征子矩陣分別進行池化處理，得到每個特征子矩陣對應的池化特征矩陣；

轉換單元，用于將每個池化特征矩陣轉換為其對應的特征向量。

9.一種電子設備，其特征在于，所述電子設備包括：

處理器；

用于存儲處理器可執行指令的存儲器；

其中，所述處理器被配置為用于執行如權利要求1-5任一項所述的圖像分類方法。

10.一種非臨時性計算機可讀存儲介質，當所述存儲介質中的指令由電子設備的處理器執行時，使得電子設備能夠執行如權利要求1-5任一項所述的圖像分類方法。