[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

本申請涉及一種圖像分類模型構建方法、裝置、計算機設備和存儲介質。所述方法包括：獲取小樣本圖像集；通過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。采用本方法能夠在樣本圖像數據量較少的情況下，構建圖像分類模型以提高圖像分類準確性。

技術領域

本申請涉及計算機技術領域，特別是涉及一種圖像分類模型構建方法、裝置、計算機設備和存儲介質。

背景技術

圖像分類是指根據圖像中所反映的不同特征，將不同類別的目標進行區分的圖像處理方法。傳統方式中，是通過對大量的樣本圖像數據進行訓練來構建圖像分類模型。

然而，當取樣較困難，樣本圖像數據量較少時，會導致圖像分類模型的圖像分類準確性較低。因此，如何在樣本圖像數據量較少的情況下，構建圖像分類模型以提高圖像分類準確性成為目前需要解決的一個技術問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠在樣本圖像數據量較少的情況下，構建圖像分類模型以提高圖像分類準確性的圖像分類模型構建方法、裝置、計算機設備和存儲介質。

一種圖像分類模型構建方法，所述方法包括：

獲取小樣本圖像集；

通過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。

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，所述通過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；

根據所述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。