[發(fā)明專利]圖像分類方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110362033.0
• 申請(qǐng)日: 2021-04-02
• 公開（公告）號(hào): CN113095194A
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 李昂;范京琛;郎咸朋
• 申請(qǐng)（專利權(quán)）人: 北京車和家信息技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 盧夏子

1.一種圖像分類方法，其特征在于，所述方法包括：

將圖像集輸入預(yù)先設(shè)置的第一圖像分類模型，得到所述圖像集中目標(biāo)幀對(duì)應(yīng)的類別；

確定所述圖像集中是否包含預(yù)設(shè)目標(biāo)物體，所述預(yù)設(shè)目標(biāo)物體用于表征車輛的行駛工況；

在確定所述圖像集包含所述預(yù)設(shè)目標(biāo)物體的情況下，確定所述圖像集中包含的所述預(yù)設(shè)目標(biāo)物體的物體信息；

根據(jù)所述目標(biāo)幀對(duì)應(yīng)的類別和所述預(yù)設(shè)目標(biāo)物體的物體信息，確定所述圖像集對(duì)應(yīng)的類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)幀包括按照預(yù)設(shè)間隔從所述圖像集中抽取的圖像幀，所述根據(jù)所述目標(biāo)幀對(duì)應(yīng)的類別和所述預(yù)設(shè)目標(biāo)物體的物體信息，確定所述圖像集對(duì)應(yīng)的類別包括：

將所述目標(biāo)幀對(duì)應(yīng)的類別和所述預(yù)設(shè)目標(biāo)物體的物體信息輸入預(yù)先設(shè)置的第二圖像分類模型，得到所述圖像集對(duì)應(yīng)的類別。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述目標(biāo)幀對(duì)應(yīng)的類別和所述預(yù)設(shè)目標(biāo)物體的物體信息輸入預(yù)先設(shè)置的第二圖像分類模型包括：

按照所述目標(biāo)幀在所述圖像集中的先后順序，將所述目標(biāo)幀對(duì)應(yīng)的類別和所述物體信息輸入所述第二圖像分類模型。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

在確定所述圖像集對(duì)應(yīng)的類別后，通過所述車輛的全球定位系統(tǒng)GPS信息確定所述車輛的位置信息；

根據(jù)所述位置信息確定所述圖像集對(duì)應(yīng)的類別是否正確；

在確定所述圖像集對(duì)應(yīng)的類別不正確的情況下，根據(jù)所述圖像集和所述圖像集對(duì)應(yīng)的類別調(diào)整所述第一圖像分類模型和所述第二圖像分類模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一圖像分類模型通過以下方式訓(xùn)練得到：

獲取多個(gè)樣本圖像集；

針對(duì)每個(gè)所述樣本圖像集，獲取所述樣本圖像集對(duì)應(yīng)的樣本幀，并按照預(yù)設(shè)分辨率調(diào)整所述樣本幀，得到調(diào)整樣本幀，對(duì)所述調(diào)整樣本幀進(jìn)行隨機(jī)透視變換，得到所述調(diào)整樣本幀對(duì)應(yīng)的多個(gè)隨機(jī)樣本幀；

根據(jù)所述調(diào)整樣本幀和所述隨機(jī)樣本幀對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第一圖像分類模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取所述樣本圖像集對(duì)應(yīng)的樣本幀包括：

按照預(yù)設(shè)間隔從所述樣本圖像集中抽取圖像幀作為所述樣本幀；或者，

將所述樣本圖像集的每一幀圖像作為所述樣本幀。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，在所述根據(jù)所述調(diào)整樣本幀和所述隨機(jī)樣本幀對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第一圖像分類模型前，所述方法還包括：

按照預(yù)設(shè)比例，將所述調(diào)整樣本幀和所述隨機(jī)樣本幀劃分為訓(xùn)練集、驗(yàn)證集以及測(cè)試集；

所述根據(jù)所述調(diào)整樣本幀和所述隨機(jī)樣本幀對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第一圖像分類模型包括：

根據(jù)所述訓(xùn)練集和所述驗(yàn)證集的所述調(diào)整樣本幀和所述隨機(jī)樣本幀對(duì)所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第一圖像分類模型。

8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述透視變換包括：水平鏡像變換、旋轉(zhuǎn)變換、亮度變換、對(duì)比度變換、飽和度變換、色彩度變換、灰度變換中的一個(gè)或多個(gè)。

9.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型為多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)模型。

10.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：

在確定所述圖像集不包含所述預(yù)設(shè)目標(biāo)物體的情況下，根據(jù)所述目標(biāo)幀對(duì)應(yīng)的類別，確定所述圖像集對(duì)應(yīng)的類別。

11.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述根據(jù)所述目標(biāo)幀對(duì)應(yīng)的類別，確定所述圖像集對(duì)應(yīng)的類別包括：

確定所述目標(biāo)幀對(duì)應(yīng)的類別為每個(gè)預(yù)設(shè)類別的概率；

將概率最高的所述預(yù)設(shè)類別作為所述圖像集對(duì)應(yīng)的類別。