[發明專利]一種細粒度圖像分類方法、系統、裝置和存儲介質

在審

• 申請號: 201910972670.2
• 申請日: 2019-10-14
• 公開（公告）號: CN111222530A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 許廣廷;張朝婷;張洪
• 申請（專利權）人: 廣州極匯信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 何文聰

1.一種細粒度圖像分類方法，其特征在于，包括以下步驟：

獲取待分類的圖像信息；

將圖像信息輸入采用局部區域進行訓練的識別模型進行細粒度識別后，輸出識別分類結果。

2.根據權利要求1所述的一種細粒度圖像分類方法，其特征在于，還包括建立識別模型的步驟，所述建立識別模型的步驟具體包括以下步驟：

獲取輸入圖像，提取輸入圖像的圖像局部區域；

對圖像局部區域進行重疊區域檢測，并對重疊的圖像局部區域進行合并處理；

計算合并后的圖像局部區域的圖像復雜度，根據計算結果篩選多個圖像局部區域；

按照預設的方式對篩選獲得的圖像局部區進行分組后，獲得多個局部圖像集；

結合輸入圖像、局部圖像集和預設的損失函數對神經網絡進行訓練后，獲得識別模型。

3.根據權利要求2所述的一種細粒度圖像分類方法，其特征在于，所述提取輸入圖像的圖像局部區域這一步驟，具體為：

采用選擇性搜索算法提取輸入圖像的圖像局部區域。

4.根據權利要求2所述的一種細粒度圖像分類方法，其特征在于，所述對圖像局部區域進行重疊區域檢測，并對重疊的圖像局部區域進行合并處理這一步驟，具體為：

采用交并比方式計算圖像局部區域之間的重疊度，并在檢測到重疊度大于預設值時，將對應的圖像局部區域進行合并處理。

5.根據權利要求2所述的一種細粒度圖像分類方法，其特征在于，所述計算合并后的圖像局部區域的圖像復雜度，根據計算結果篩選多個圖像局部區域這一步驟，具體包括以下步驟：

采用圖像熵算法計算合并后的圖像局部區域的圖像復雜度；

根據計算結果對圖像局部區域進行排序，并根據排序順序獲取多個圖像局部區域。

6.根據權利要求2所述的一種細粒度圖像分類方法，其特征在于，所述結合輸入圖像、局部圖像集和預設的損失函數對神經網絡進行訓練后，獲得識別模型這一步驟，具體包括以下步驟：

將輸入圖像和局部圖像集分別輸入預設的神經網絡中進行特征向量提取，獲得多個特征向量；

將獲得的特征向量進行拼接，并結合損失函數對神經網絡進行訓練后，獲得識別模型。

7.根據權利要求6所述的一種細粒度圖像分類方法，其特征在于，所述損失函數采用交叉熵損失函數。

8.一種細粒度圖像分類系統，其特征在于，包括：

輸入模塊，用于獲取待分類的圖像信息；

識別分類模塊，用于將圖像信息輸入采用局部區域進行訓練的識別模型進行細粒度識別后，輸出識別分類結果。

9.一種細粒度圖像分類裝置，其特征在于，包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執行，使得所述至少一個處理器實現權利要求1-7任一項所述的一種細粒度圖像分類方法。

10.一種存儲介質，其中存儲有處理器可執行的指令，其特征在于，所述處理器可執行的指令在由處理器執行時用于執行如權利要求1-7任一項所述方法。