[發明專利]一種圖像分類方法、裝置、服務器及計算機可讀存儲介質

有效

• 申請號: 202011212957.4
• 申請日: 2020-11-04
• 公開（公告）號: CN112036514B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 喬凌峰;鄭旭平;陳馳宇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

本申請實施例公開了一種圖像分類方法、裝置、服務器及計算機可讀存儲介質，其中方法包括：獲取待分類圖像，并從所述待分類圖像中提取缺陷區域圖像；通過第一缺陷分類模型對所述缺陷區域圖像進行分類，得到所述缺陷區域圖像的初始缺陷分類結果，其中，所述第一缺陷分類模型是通過目標數據集和與所述目標數據集相關聯的輔助數據集訓練得到的；依照分類調整規則調整所述初始缺陷分類結果，以確定所述缺陷區域圖像的目標缺陷分類結果。通過實施上述方法，有助于提升圖像分類的準確性。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種圖像分類方法、裝置、服務器及計算機可讀存儲介質。

背景技術

隨著計算機技術的快速發展，人工智能技術在很多領域得到了應用，其中，人工智能技術中的深度神經網絡的應用也越來越廣泛，比如語音識別技術，計算機視覺技術，自然語言處理技術等領域。在利用深度神經網絡的各種應用中，訓練數據都是非常重要的。在訓練數據量足夠多，且數據質量足夠好的情況下，訓練出的深度神經網絡效果才會更好。

目前，對于一些實際應用場景，例如工業質檢領域中，訓練分類模型的訓練數據可能比較少，如果直接采用較少的訓練數據訓練分類模型，訓練后的分類模型的性能可能比較差，缺乏泛化性。導致在某些實際應用場景下，算法效果不理想。因此，如何保障圖像分類的準確性，成為了當前計算機視覺技術的研究熱點問題。

發明內容

本申請實施例提供了一種圖像分類方法、裝置、服務器及計算機可讀存儲介質，有助于提升圖像分類的準確性。

本申請實施例第一方面公開了一種圖像分類方法，所述方法包括：

獲取待分類圖像，并從所述待分類圖像中提取缺陷區域圖像；

通過第一缺陷分類模型對所述缺陷區域圖像進行分類，得到所述缺陷區域圖像的初始缺陷分類結果，其中，所述第一缺陷分類模型是通過目標數據集和與所述目標數據集相關聯的輔助數據集訓練得到的；

依照分類調整規則調整所述初始缺陷分類結果，以確定所述缺陷區域圖像的目標缺陷分類結果。

本申請實施例第二方面公開了一種視頻分類裝置，所述裝置包括：

獲取單元，用于獲取待分類圖像，并從所述待分類圖像中提取缺陷區域圖像；

分類單元，用于通過第一缺陷分類模型對所述缺陷區域圖像進行分類，得到所述缺陷區域圖像的初始缺陷分類結果，其中，所述第一缺陷分類模型是通過目標數據集和與所述目標數據集相關聯的輔助數據集訓練得到的；

確定單元，用于依照分類調整規則調整所述初始缺陷分類結果，以確定所述缺陷區域圖像的目標缺陷分類結果。

本申請實施例第三方面公開了一種服務器，包括處理器、存儲器和網絡接口，所述處理器、存儲器和網絡接口相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行上述第一方面的方法。

本申請實施例第四方面公開了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行上述第一方面的方法。

本申請實施例第五方面公開了一種計算機程序產品或計算機程序，所述計算機程序產品或計算機程序包括計算機指令，所述計算機指令存儲在計算機可讀存儲介質中。計算機設備的處理器從計算機可讀存儲介質讀取所述計算機指令，處理器執行所述計算機指令，使得所述計算機設備執行上述第一方面的方法。