[發明專利]圖像分類模型構建方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010529436.5
• 申請日: 2020-06-11
• 公開（公告）號: CN111860582B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 張少林;寧欣;聶帥
• 申請（專利權）人: 北京市威富安防科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種圖像分類模型構建方法，其特征在于，所述方法包括：

獲取小樣本圖像集；

通過初始卷積核對所述小樣本圖像集中的各樣本圖像進行卷積運算，計算卷積后的樣本圖像之間的相似度，根據所述相似度在所述初始卷積核中篩選第一卷積核；

對所述小樣本圖像集進行數據增強，得到目標圖像集，根據所述目標圖像集生成第二卷積核；

根據指定卷積核尺寸對應的卷積核參數隨機生成第三卷積核；

根據所述第一卷積核、所述第二卷積核以及所述第三卷積核構建得到圖像分類模型。

2.根據權利要求1所述的方法，其特征在于，所述圖像分類模型包括多個網絡層，所述方法還包括：

獲取待分類圖像；

將所述待分類圖像輸入至所述圖像分類模型中，通過所述圖像分類模型中卷積層的第一卷積核、第二卷積核以及第三卷積核對所述待分類圖像進行特征提取，將提取的特征數據進行組合，得到綜合特征數據；

將所述綜合特征數據輸入至池化層，通過所述池化層對所述綜合特征數據進行降維處理；

將降維處理后的綜合特征數據輸入全連接層，對所述降維處理后的綜合特征數據進行分類得到分類結果；

通過輸出層根據所述分類結果輸出所述待分類圖像對應的類別。

3.根據權利要求2所述的方法，其特征在于，所述通過所述圖像分類模型中卷積層的第一卷積核、第二卷積核以及第三卷積核對所述待分類圖像進行特征提取，將提取的特征數據進行組合，得到綜合特征信息包括：

通過所述第一卷積核提取所述待分類圖像的拓撲特征數據；

通過所述第二卷積核提取所述待分類圖像的幾何特征數據；

通過所述第三卷積核提取所述待分類圖像的分類特征數據；

將所述拓撲特征數據、所述幾何特征數據以及所述分類特征數據進行組合，得到綜合特征數據。

4.根據權利要求1所述的方法，其特征在于，所述通過初始卷積核對所述小樣本圖像集中的各樣本圖像進行卷積運算包括：

獲取隨機生成的卷積核；

將所述隨機生成的卷積核作為初始卷積核，根據所述初始卷積核的卷積核參數與所述小樣本圖像集中的各樣本圖像進行卷積運算。

5.根據權利要求1所述的方法，其特征在于，所述根據所述相似度在所述初始卷積核中篩選第一卷積核包括：

將所述相似度與相似度閾值進行比較，確定各初始卷積核對應的所述小樣本圖像集對應的圖像分類結果；

根據所述圖像分類結果在所述初始卷積核中篩選滿足預設條件的卷積核，得到第一卷積核。

6.根據權利要求1所述的方法，其特征在于，所述對所述小樣本圖像集進行數據增強，得到目標圖像集包括：

在所述小樣本圖像集中提取樣本圖像；

對所述樣本圖像進行圖像變換處理，得到虛擬圖像；

根據所述虛擬圖像以及所述小樣本圖像集得到目標圖像集。

7.根據權利要求1至6任意一項所述的方法，其特征在于，在所述根據所述目標圖像集生成第二卷積核之后，還包括：

對所述第二卷積核進行訓練，確定所述第二卷積核的卷積核參數對應的張成空間；

在訓練過程中將所述第二卷積核的卷積核參數沿著所述張成空間的垂直方向進行修改。

8.一種圖像分類模型構建裝置，其特征在于，所述裝置包括：

通信模塊，用于獲取小樣本圖像集；

篩選模塊，用于通過初始卷積核對所述小樣本圖像集中的各樣本圖像進行卷積運算，計算卷積后的樣本圖像之間的相似度，根據所述相似度在所述初始卷積核中篩選第一卷積核；

增強模塊，用于對所述小樣本圖像集進行數據增強，得到目標圖像集，根據所述目標圖像集生成第二卷積核；

生成模塊，用于根據指定卷積核尺寸對應的卷積核參數隨機生成第三卷積核；

構建模塊，用于根據所述第一卷積核、所述第二卷積核以及所述第三卷積核構建得到圖像分類模型。