[發明專利]多類別圖像的分類方法、裝置、終端設備和存儲介質

在審

• 申請號: 202011553020.3
• 申請日: 2020-12-24
• 公開（公告）號: CN112651438A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 張力文;金子杰;林聰;佟樂;肖貴寶;潘浩;王剛
• 申請（專利權）人: 世紀龍信息網絡有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/55
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本申請提供了一種多類別圖像的分類方法、裝置、終端設備和存儲介質，其方法包括獲取待分類圖像；將待分類圖像輸入至預先訓練的圖像分類模型，輸出待分類圖像的類別概率值；圖像分類模型是采用標記有類別信息的圖像樣本對改進的卷積神經網絡進行訓練得到的，改進的卷積神經網絡包括Focus結構、Efficient網絡、卷積層的注意力模塊、全局池化層和全連接層；根據類別概率值確定待分類圖像的類別。本申請的方法采用改進的卷積神經網絡模型，該模型以Efficient網絡為骨架，具有較小的參數規模和快速的推理速度，且該模型采用Focus結構和卷積層的注意力模塊，進一步減少了計算量和增加了準確性。

技術領域

本申請涉及圖像分類技術領域，具體涉及一種多類別圖像的分類方法、終端設備和計算機可讀存儲介質。

背景技術

在自然場景下，一個圖像(例如一張圖片)往往同時屬于多個類別(例如一張圖片上既有山也有樹)，而在使用時需要確定該圖片到底屬于山這一景物圖像，還是屬于樹這一景物圖像，即需要對多標簽圖片進行分類。

目前，通常采用神經網絡模型來對多類別圖像進行分類，但該方法模型訓練過程參數規模大，訓練復雜，并且拋棄了特征圖中值為負數部分的圖片信息，進而對分類準確度產生影響。

申請內容

有鑒于此，本申請實施例中提供了一種多類別圖像的分類方法、終端設備和計算機可讀存儲介質，以克服現有技術中采用神經網絡模型來對多類別圖像進行分類，模型訓練過程參數規模大，訓練復雜，并且拋棄了特征圖中值為負數部分的圖片信息，進而對分類準確度產生影響的問題。

第一方面，本申請實施例提供了一種多類別圖像的分類方法，該方法包括：

獲取待分類圖像；

將所述待分類圖像輸入至預先訓練的圖像分類模型，輸出所述待分類圖像的類別概率值；其中，所述圖像分類模型是采用標記有類別信息的圖像樣本對改進的卷積神經網絡進行訓練得到的，所述改進的卷積神經網絡包括Focus結構、Efficient網絡、卷積層的注意力模塊、全局池化層和全連接層；

根據所述類別概率值確定所述待分類圖像的類別。

第二方面，本申請實施例提供了一種多類別圖像的分類裝置，該裝置包括：

待分類圖像獲取模塊，用于獲取待分類圖像；

類別概率值輸出模塊，用于將所述待分類圖像輸入至預先訓練的圖像分類模型，輸出所述待分類圖像的類別概率值；其中，所述圖像分類模型是采用標記有類別信息的圖像樣本對改進的卷積神經網絡進行訓練得到的，所述改進的卷積神經網絡包括Focus結構、Efficient網絡、卷積層的注意力模塊、全局池化層和全連接層；

類別確定模塊，用于根據所述類別概率值確定所述待分類圖像的類別。

第三方面，本申請實施例提供了一種終端設備，包括：存儲器；一個或多個處理器，與所述存儲器耦接；一個或多個應用程序，其中，一個或多個應用程序被存儲在存儲器中并被配置為由一個或多個處理器執行，一個或多個應用程序配置用于執行上述第一方面提供的多類別圖像的分類方法。

第四方面，本申請實施例提供了一種計算機可讀取存儲介質，計算機可讀取存儲介質中存儲有程序代碼，程序代碼可被處理器調用執行上述第一方面提供的多類別圖像的分類方法。