[發明專利]一種圖像分類方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010169967.8
• 申請日: 2020-03-12
• 公開（公告）號: CN111401428A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 戴秋菊
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

1.一種圖像分類方法，其特征在于，所述方法包括：

獲得待分類的圖像；

將所述待分類的圖像輸入不同的分類模型中，分別得到每一分類模型輸出的每一特征信息；其中，所述不同的分類模型包括第一種分類模型和第二種分類模型，所述第一種分類模型能基于深度可分離卷積運算對所述待分類的圖像進行特征提取，且所述第二種分類模型與所述第一種分類模型基于不同的處理方式對所述待分類的圖像進行特征提取；

基于多個特征信息，對所述待分類的圖像進行細粒度分類以得到分類結果。

2.根據權利要求1所述的方法，其特征在于，所述基于多個特征信息，對所述待分類的圖像進行細粒度分類以得到分類結果，包括：

對多個特征信息進行拼接處理，得到第一目標特征信息；

對所述第一目標特征信息進行降維，得到降維后的第二目標特征信息；

基于所述第二目標特征信息，對所述待分類的圖像進行細粒度分類以得到所述分類結果。

3.根據權利要求2所述的方法，其特征在于，所述對所述第一目標特征信息進行降維，得到降維后的第二目標特征信息，包括：

基于主成分分析方式對所述第一目標特征信息進行降維，得到所述第二目標特征信息。

4.根據權利要求2或3所述的方法，其特征在于，所述第二目標特征信息包括的各特征信息之間存在差異性。

5.根據權利要求1至4中任一項所述的方法，其特征在于，所述第二種分類模型包括目標分類模型，所述多個特征信息包括所述目標分類模型基于多個尺度的卷積核對所述待分類的圖像進行特征提取所得到的特征信息。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述第二種分類模型還包括至少一個殘差網絡模型，所述多個特征信息包括所述至少一個殘差網絡模型對所述待分類的圖像進行特征提取所得到的特征信息。

7.根據權利要求6所述的方法，其特征在于，所述殘差網絡模型的數量為多個，且不同殘差網絡模型的網絡層數之間具有關聯關系。

8.一種圖像分類裝置，其特征在于，所述圖像分類裝置包括：

獲得模塊，用于獲得待分類的圖像；

處理模塊，用于將所述待分類的圖像輸入不同的分類模型中，分別得到每一分類模型輸出的每一特征信息；其中，所述不同的分類模型包括第一種分類模型和第二種分類模型，所述第一種分類模型能基于深度可分離卷積運算對所述待分類的圖像進行特征提取，且所述第二種分類模型與所述第一種分類模型基于不同的處理方式對所述待分類的圖像進行特征提取；

分類模塊，用于基于多個特征信息，對所述待分類的圖像進行細粒度分類以得到分類結果。

9.一種電子設備，其特征在于，所述電子設備包括：處理器、存儲器和通信總線；

所述通信總線用于實現處理器和存儲器之間的通信連接；

所述處理器用于執行存儲器中存儲的圖像分類程序，以實現如權利要求1至7中任一項所述的圖像分類方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如權利要求1至7中任一項所述的圖像分類方法的步驟。