[發(fā)明專利]圖像分類方法、裝置、計算機設備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010419155.4
• 申請日: 2020-05-18
• 公開（公告）號: CN111598168B
• 公開（公告）日: 2022-06-24
• 發(fā)明（設計）人: 余雙;馬鍇;鄭冶楓;邊成;初春燕;劉含若;王寧利
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06K9/62;G06V10/774
• 代理公司: 北京三高永信知識產(chǎn)權代理有限責任公司 11138
• 代理人: 張所明

1.一種圖像分類方法，其特征在于，所述方法包括：

調(diào)用分類模型中的第一分類子模型，對目標圖像進行分類處理，得到所述目標圖像的第一預測結(jié)果，所述第一分類子模型的訓練樣本數(shù)據(jù)包括樣本圖像和從所述樣本圖像的多個標注結(jié)果中選取的其中一個結(jié)果，所述多個標注結(jié)果中包括第一預設結(jié)果或第二預設結(jié)果的至少一種，所述多個標注結(jié)果中所述第一預設結(jié)果的選取可能性大于所述第二預設結(jié)果的選取可能性；

調(diào)用所述分類模型中的第二分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第二預測結(jié)果，所述第二分類子模型的訓練樣本數(shù)據(jù)包括所述樣本圖像和從所述多個標注結(jié)果中選取的其中一個結(jié)果，所述多個標注結(jié)果中所述第二預設結(jié)果的選取可能性大于所述第一預設結(jié)果的選取可能性；

調(diào)用所述分類模型中的第三分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第三預測結(jié)果，所述第三分類子模型的訓練樣本數(shù)據(jù)包括所述樣本圖像和根據(jù)所述多個標注結(jié)果統(tǒng)計得到的結(jié)果；

輸出所述第三預測結(jié)果和所述目標圖像的分類難度，所述分類難度根據(jù)所述第一預測結(jié)果和所述第二預測結(jié)果確定。

2.根據(jù)權利要求1所述的方法，其特征在于，所述輸出所述第三預測結(jié)果和所述目標圖像的分類難度，包括：

根據(jù)所述第一預測結(jié)果、所述第二預測結(jié)果和第一關系數(shù)據(jù)，獲取所述目標圖像的分類難度，所述第一關系數(shù)據(jù)表示所述第一分類子模型對任一圖像進行分類處理得到的預測結(jié)果、所述第二分類子模型對所述任一圖像進行分類處理得到的預測結(jié)果和所述任一圖像的分類難度之間的關系；

輸出所述第三預測結(jié)果和所述分類難度。

3.根據(jù)權利要求1所述的方法，其特征在于，所述第一分類子模型包括第一特征提取層和第一分類層，所述調(diào)用所述分類模型中的第一分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第一預測結(jié)果，包括：

調(diào)用所述第一特征提取層，對所述目標圖像進行特征提取，得到所述目標圖像的第一特征；調(diào)用所述第一分類層，對所述第一特征進行分類處理，得到所述第一預測結(jié)果；

所述第二分類子模型包括第二特征提取層和第二分類層，所述調(diào)用所述分類模型中的第二分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第二預測結(jié)果，包括：

調(diào)用所述第二特征提取層，對所述目標圖像進行特征提取，得到所述目標圖像的第二特征；調(diào)用所述第二分類層，對所述第二特征進行分類處理，得到所述第二預測結(jié)果；

所述第三分類子模型包括第三特征提取層和第三分類層，所述調(diào)用所述分類模型中的第三分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第三預測結(jié)果，包括：

調(diào)用所述第三特征提取層，對所述目標圖像進行特征提取，得到所述目標圖像的第三特征；調(diào)用所述第三分類層，對所述第三特征進行分類處理，得到所述第三預測結(jié)果。

4.根據(jù)權利要求3所述的方法，其特征在于，所述第三分類子模型還包括融合層，所述調(diào)用所述第三特征提取層，對所述目標圖像進行特征提取，得到所述目標圖像的第三特征之后，所述方法還包括：

調(diào)用所述融合層，對所述第一特征、所述第二特征和所述第三特征進行融合處理，得到融合特征；

所述調(diào)用所述第三分類層，對所述第三特征進行分類處理，得到所述第三預測結(jié)果，包括：

調(diào)用所述第三分類層，對所述融合特征進行分類處理，得到所述第三預測結(jié)果。

5.根據(jù)權利要求1所述的方法，其特征在于，所述分類模型還包括特征提取子模型，所述方法還包括：調(diào)用所述特征提取子模型，對所述目標圖像進行特征提取，得到所述目標圖像的第四特征；

所述調(diào)用分類模型中的第一分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第一預測結(jié)果，包括：調(diào)用所述第一分類子模型，對所述第四特征進行分類處理，得到所述第一預測結(jié)果；

所述調(diào)用所述分類模型中的第二分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第二預測結(jié)果，包括：調(diào)用所述第二分類子模型，對所述第四特征進行分類處理，得到所述第二預測結(jié)果；

所述調(diào)用所述分類模型中的第三分類子模型，對所述目標圖像進行分類處理，得到所述目標圖像的第三預測結(jié)果，包括：調(diào)用所述第三分類子模型，對所述第四特征進行分類處理，得到所述第三預測結(jié)果。