[發明專利]圖片類別的識別方法、裝置及計算機可讀存儲介質

有效

• 申請號: 201811628314.0
• 申請日: 2018-12-28
• 公開（公告）號: CN111382760B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 邢連萍
• 申請（專利權）人: TCL科技集團股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/25
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

本發明適用于人工智能技術領域，提供了圖片類別的識別方法、裝置及計算機可讀存儲介質，包括：通過獲取一個以上的目標圖片以及多個已知類別的樣本圖片；建立樣本圖片的分類樹模型；根據分類樹模型中各節點的分類規則，在分類樹模型中確定目標圖片對應的葉子節點，并將對應同一個葉子節點的目標圖片組合成為該葉子節點對應的目標圖片集合；為每個目標圖片集合在所述分類樹模型中選取一個以上的葉子節點作為其對應的被選節點，并將所述被選節點中包含的樣本圖片作為目標圖片集合對應的候選樣本圖片；根據候選樣本圖片的類別確定所述目標圖片集合中各個目標圖片對應的類別，以提高圖片類別的識別的并行性，避免重復冗余的識別計算。

技術領域

本發明屬于人工智能技術領域，尤其涉及圖片類別的識別方法、裝置及計算機可讀存儲介質。

背景技術

在人們的日常生活以及商業活動中，經常需要識別一張圖片的類別。一般的做法是：在獲取到待識別的目標圖片后，將該目標圖片與數據庫中存儲的已知類別的圖片進行比較分析，并根據與目標圖片的特征信息相近的已知類別的圖片，確定目標圖片的類別。

然而，當前對于圖片的類別進行識別往往是逐一分別進行的，但是由于不同的目標圖片之間可能存在的相似性，使得現有技術在將目標圖片與數據庫中存儲的已知類別的圖片進行比較分析的過程中，存在大量冗余的重復運算。隨著對于圖片的類別進行識別的需求逐漸增大，這些冗余的重復運算會消耗大量的計算資源，并且造成識別時間的無謂延長。

發明內容

有鑒于此，本發明實施例提供了圖片類別的識別方法、裝置及計算機可讀存儲介質，以解決現有圖片類別的識別方法存在的計算冗余度高且識別速度慢的問題。

本發明實施例的第一方面提供了一種圖片類別的識別方法，包括：獲取一個以上的目標圖片以及多個樣本圖片，其中，每個所述樣本圖片對應一個類別；建立所述樣本圖片的分類樹模型，所述分類樹模型的每個節點均包含一個以上的樣本圖片；根據所述分類樹模型中各節點的分類規則，在所述分類樹模型中確定所述目標圖片對應的葉子節點，并將對應同一個葉子節點的目標圖片組合成為該葉子節點對應的目標圖片集合；為每個所述目標圖片集合在所述分類樹模型中選取一個以上的葉子節點作為其對應的被選節點，并將所述被選節點中包含的樣本圖片作為目標圖片集合對應的候選樣本圖片；根據所述候選樣本圖片的類別確定所述目標圖片集合中各個目標圖片對應的類別。

本發明實施例的第二方面提供了一種圖片類別的識別裝置，包括：獲取模塊，用于獲取一個以上的目標圖片以及多個樣本圖片，其中，每個所述樣本圖片對應一個類別；建立模塊，用于建立所述樣本圖片的分類樹模型，所述分類樹模型的每個節點均包含一個以上的樣本圖片；組合模塊，用于根據所述分類樹模型中各節點的分類規則，在所述分類樹模型中確定所述目標圖片對應的葉子節點，并將對應同一個葉子節點的目標圖片組合成為該葉子節點對應的目標圖片集合；選取模塊，用于為每個所述目標圖片集合在所述分類樹模型中選取一個以上的葉子節點作為其對應的被選節點，并將所述被選節點中包含的樣本圖片作為目標圖片集合對應的候選樣本圖片；識別模塊，用于根據所述候選樣本圖片的類別確定所述目標圖片集合中各個目標圖片對應的類別。

本發明實施例的第三方面提供了計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現本發明實施例的第一方面提供的方法的步驟。

本發明實施例與現有技術相比存在的有益效果是：通過獲取一個以上的目標圖片以及多個已知類別的樣本圖片；建立樣本圖片的分類樹模型；根據分類樹模型中各節點的分類規則，在分類樹模型中確定目標圖片對應的葉子節點，并將對應同一個葉子節點的目標圖片組合成為該葉子節點對應的目標圖片集合；統一為屬于同一目標圖片集合的目標圖片在分類樹模型中選取一個以上的葉子節點作為其對應的被選節點，從而避免對互相類似的目標圖片進行重復得路徑搜索，并將被選節點中包含的樣本圖片作為目標圖片集合對應的候選樣本圖片；根據候選樣本圖片的類別確定目標圖片對應的類別，以提高圖片類別的識別的并行性，避免重復冗余的識別計算。

附圖說明