[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

本公開涉及一種圖像分類及神經網絡訓練方法、裝置、設備及存儲介質，所述方法包括：通過目標神經網絡對目標圖像進行特征提取處理，獲得目標圖像的目標特征；根據第一參數，確定目標特征與各類別的圖像的類中心特征的徑向基距離；根據徑向基距離，確定目標圖像的目標類別。根據本公開的實施例的圖像分類方法，可根據目標特征與各類別的類中心特征的徑向基距離來確定目標圖像的類別，可提升目標特征與各類別的類中心特征的分布效果，減小了分布的隨機性，增強了同類特征的聚集效果，提升了目標圖像的分類準確率。

技術領域

本公開涉及計算機技術領域，尤其涉及圖像分類及神經網絡訓練方法、裝置、設備及存儲介質。

背景技術

圖像分類技術是計算機視覺技術中的重要基礎，諸如物體檢測、圖像語義分割和實例分割等技術均需要以圖像分類技術作為基礎。圖像分類技術，是通過將使用圖像采集設備獲取的圖像輸入神經網絡中，輸出一組描述該圖像是否屬于特定類別或內容的概率。作為一種計算機視覺技術，圖像分類能廣泛應用于工業生產、異常檢測、無人駕駛等領域。

圖像分類技術的任務為判定相似度較高的不同對象之間的從屬關系(如長相相似的人的判別、鳥類動物分類等)。在神經網絡的訓練過程中，需將獲得的特征在歐氏空間上進行優化，然而，由于在歐氏空間上不能對訓練樣本進行合理的損失值分配，使得生成的特征分布效果并不理想，從而導致神經網絡的訓練效果不理想，分類準確率較低。

發明內容

本公開提出了一種圖像分類及神經網絡訓練方法、裝置、設備及存儲介質。

根據本公開的一方面，提供了一種圖像分類方法方法，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。

根據本公開的實施例的圖像分類方法，可根據目標特征與各類別的類中心特征的徑向基距離來確定目標圖像的類別，可提升目標特征與各類別的類中心特征的分布效果，減小了分布的隨機性，增強了同類特征的聚集效果，提升了目標圖像的分類準確率。

在一種可能的實現方式中，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。

在一種可能的實現方式中，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。

在一種可能的實現方式中，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。

在一種可能的實現方式中，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。

在一種可能的實現方式中，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。

根據本公開的一方面，提供了一種神經網絡訓練方法，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。