[發明專利]圖像分類及神經網絡訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202010054273.X
• 申請日: 2020-01-17
• 公開（公告）號: CN111259967A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 張瀟;趙瑞;喬宇;李鴻升
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種圖像分類方法，其特征在于，包括：

通過目標神經網絡對目標圖像進行特征提取處理，獲得所述目標圖像的目標特征；

根據預設的第一參數，確定所述目標特征與圖像集中各類別的圖像的類中心特征的徑向基距離，其中，所述徑向基距離用于表示所述目標特征分別屬于各類別的分類概率，所述圖像集中包括至少一個類別的圖像；

根據所述徑向基距離，確定所述目標圖像的目標類別。

2.根據權利要求1所述的方法，其特征在于，根據預設的第一參數，確定所述目標特征與各類別的圖像的類中心特征的徑向基距離，包括：

確定所述目標特征與各類別的類中心特征的歐氏距離；

根據所述歐式距離以及所述第一參數，確定所述目標特征與各類別的類中心特征的徑向基距離。

3.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

通過目標神經網絡對圖像集中的各圖像分別進行特征提取處理，分別獲得各圖像的特征信息；

在類別相同的圖像的特征信息中，確定出各類別的類中心特征。

4.根據權利要求3所述的方法，其特征在于，在類別相同的圖像的特征信息中，確定出各類別的類中心特征，包括：

在各類別的圖像中，確定出中心圖像；

將與各類別的中心圖像對應的特征信息確定為各類別的類中心特征。

5.根據權利要求3所述的方法，其特征在于，在類別相同的圖像的特征信息中，確定出各類別的類中心特征，包括：

對各圖像的特征信息進行聚類處理，獲得各類別的類中心特征。

6.根據權利要求3所述的方法，其特征在于，在類別相同的圖像的特征信息中，確定出各類別的類中心特征，包括：

對各類別圖像的特征信息分別進行加權平均處理，獲得各類別的類中心特征。

7.一種神經網絡訓練方法，其特征在于，包括：

通過神經網絡對第一樣本圖像進行特征提取處理，獲得所述第一樣本圖像的第一特征；

根據預設的第一參數，確定所述第一特征與訓練樣本集中各類別的樣本圖像分別對應的類中心特征的徑向基距離；

根據預設的第二參數以及所述徑向基距離，確定所述神經網絡的網絡損失；

根據所述網絡損失訓練所述神經網絡，在訓練完成后得到目標神經網絡。

8.根據權利要求7所述的方法，其特征在于，根據預設的第二參數以及所述徑向基距離，確定所述神經網絡的網絡損失，包括：

根據所述第一樣本圖像的標注類別，確定所述第一特征與所述第一樣本圖像所屬類別的類中心特征的第一徑向基距離；

根據所述第一徑向基距離、所述第二參數以及所述第一特征與各類別的類中心特征的徑向基距離，確定所述第一樣本圖像的分類概率；

根據所述分類概率，確定所述神經網絡的網絡損失。

9.根據權利要求7所述的方法，其特征在于，所述方法還包括：

根據所述樣本圖像集中多個樣本圖像的類別數量，確定所述第二參數。

10.一種圖像分類裝置，其特征在于，包括：

第一提取模塊，用于通過目標神經網絡對目標圖像進行特征提取處理，獲得所述目標圖像的目標特征；

第一確定模塊，用于根據預設的第一參數，確定所述目標特征與圖像集中各類別的圖像的類中心特征的徑向基距離，其中，所述徑向基距離用于表示所述目標特征分別屬于各類別的分類概率，所述圖像集中包括至少一個類別的圖像；

第二確定模塊，用于根據所述徑向基距離，確定所述目標圖像的目標類別。

11.根據權利要求10所述的裝置，其特征在于，所述第一確定模塊進一步用于：

確定所述目標特征與各類別的類中心特征的歐氏距離；

根據所述歐式距離以及所述第一參數，確定所述目標特征與各類別的類中心特征的徑向基距離。