[發(fā)明專利]圖像分類方法、裝置和計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110339588.3
• 申請(qǐng)日: 2021-03-30
• 公開(kāi)（公告）號(hào): CN113033675B
• 公開(kāi)（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 鄧澤林;秦平越
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 邱軼

1.一種圖像分類方法，其特征在于，所述方法包括：

獲取圖像樣本，通過(guò)第一池化層對(duì)所述圖像樣本進(jìn)行k次最小池化，其中k為池化框維度，得到k個(gè)最小池化特征值，取平均值得到最小池化平均值；

通過(guò)第二池化層對(duì)所述圖像樣本進(jìn)行平均池化，得到平均池化特征圖；其中，第二池化層是對(duì)池化框中的數(shù)據(jù)計(jì)算平均值；

根據(jù)預(yù)先設(shè)置的權(quán)重，對(duì)所述平均池化特征圖進(jìn)行加權(quán)，得到每個(gè)池化框?qū)?yīng)的極端門(mén)限值；

若所述最小池化平均值小于所述極端門(mén)限值，則舍棄所述池化框中的最小值后進(jìn)行平均池化，得到圖像樣本對(duì)應(yīng)的去極端特征圖；

利用所述去極端值特征圖采用梯度下降算法訓(xùn)練預(yù)先構(gòu)建的圖像分類模型，得到訓(xùn)練好的圖像分類模型；其中，舍棄位置的數(shù)據(jù)對(duì)應(yīng)的梯度設(shè)置為0；

獲取待分類圖像的去極端值特征圖，將待分類圖像的去極端值特征圖輸入訓(xùn)練好的圖像分類模型，得到待分類圖像的圖像類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用所述去極端值特征圖采用梯度下降算法訓(xùn)練預(yù)先構(gòu)建的圖像分類模型，得到訓(xùn)練好的圖像分類模型，包括：

確定池化框中進(jìn)行平均池化的數(shù)據(jù)的池化數(shù)量，將反向傳播過(guò)程的梯度分為所述池化數(shù)量的等份；

將每份梯度分給所述去極端值特征圖中的數(shù)據(jù)進(jìn)行反向傳播訓(xùn)練預(yù)先構(gòu)建的圖像分類模型，得到訓(xùn)練好的圖像分類模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

提取所述池化框中的最小值后，通過(guò)最小池化，得到第二小值；

提取最小值和第二小值后，通過(guò)最小池化，得到第三小值。

4.一種圖像分類裝置，其特征在于，所述裝置包括：

極端值處理模塊，用于獲取圖像樣本，通過(guò)第一池化層對(duì)所述圖像樣本中的每個(gè)池化框中的數(shù)據(jù)進(jìn)行k次最小池化，得到k個(gè)最小池化特征值，取平均值得到最小池化平均值；通過(guò)第二池化層對(duì)所述圖像樣本進(jìn)行平均池化，得到平均池化特征圖；其中，第二池化層是對(duì)池化框中的數(shù)據(jù)計(jì)算平均值；根據(jù)預(yù)先設(shè)置的權(quán)重，對(duì)所述平均池化特征圖進(jìn)行加權(quán)，得到每個(gè)池化框?qū)?yīng)的極端門(mén)限值；若所述最小池化平均值小于所述極端門(mén)限值，則舍棄所述池化框中的最小值后進(jìn)行平均池化，得到圖像樣本對(duì)應(yīng)的去極端值特征圖；

訓(xùn)練模塊，用于利用所述去極端值特征圖采用梯度下降算法訓(xùn)練預(yù)先構(gòu)建的圖像分類模型，得到訓(xùn)練好的圖像分類模型；其中，舍棄位置的數(shù)據(jù)對(duì)應(yīng)的梯度設(shè)置為0；

分類模塊，用于獲取待分類圖像的去極端值特征圖，將待分類圖像的去極端值特征圖輸入訓(xùn)練好的圖像分類模型，得到待分類圖像的圖像類別。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述訓(xùn)練模塊還用于確定池化框中進(jìn)行平均池化的數(shù)據(jù)的池化數(shù)量，將反向傳播過(guò)程的梯度分為所述池化數(shù)量的等份；將每份梯度分給所述去極端值特征圖中的數(shù)據(jù)進(jìn)行反向傳播訓(xùn)練預(yù)先構(gòu)建的圖像分類模型，得到訓(xùn)練好的圖像分類模型。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述極端值處理模塊還用于提取所述池化框中的最小值后，通過(guò)最小池化，得到第二小值；提取最小值和第二小值后，通過(guò)最小池化，得到第三小值。

7.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至3中任一項(xiàng)所述方法的步驟。

8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至3中任一項(xiàng)所述的方法的步驟。