[發明專利]圖像分類方法、裝置、存儲介質及電子設備

在審

• 申請號: 202110362033.0
• 申請日: 2021-04-02
• 公開（公告）號: CN113095194A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 李昂;范京琛;郎咸朋
• 申請（專利權）人: 北京車和家信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 盧夏子

本公開涉及一種圖像分類方法、裝置、存儲介質及電子設備，所述方法包括：將圖像集輸入預先設置的第一圖像分類模型，得到圖像集中目標幀對應的類別；確定圖像集中是否包含預設目標物體，預設目標物體用于表征車輛的行駛工況；在確定圖像集包含預設目標物體的情況下，確定圖像集中包含的預設目標物體的物體信息；根據所述目標幀對應的類別和所述預設目標物體的物體信息，確定所述圖像集對應的類別。這樣，可以在確定圖像集中目標幀對應的類別后，再結合該圖像集中包含的預設目標物體的物體信息，確定該圖像集對應的類別，從而可以提高圖像分類的準確率。

技術領域

本公開涉及計算機技術領域，具體地，涉及一種圖像分類方法、裝置、存儲介質及電子設備。

背景技術

在自動駕駛領域，自動駕駛系統需要根據道路場景的類別實時調整自動駕駛的模式，道路場景一般包括多種類型，例如，路況簡單的高速場景、路況復雜的城市道路場景和特征非常明顯的隧道場景，因此，車輛待啟動或者已經啟動自動駕駛模式時，識別當前道路場景是一個非常重要的任務。

相關技術中，可以通過圖像分類模型對車輛拍攝的周圍的環境視頻進行分類，得到該車輛對應的當前道路場景，但是，針對特征不明顯的環境視頻，該圖像分類模型可能存在分類錯誤的情況，導致圖像分類的準確率較低。

發明內容

為了解決上述問題，本公開提供一種圖像分類方法、裝置、存儲介質及電子設備。

第一方面，本公開提供一種圖像分類方法，所述方法包括：將圖像集輸入預先設置的第一圖像分類模型，得到所述圖像集中目標幀對應的類別；確定所述圖像集中是否包含預設目標物體，所述預設目標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設目標物體的情況下，確定所述圖像集中包含的所述預設目標物體的物體信息；根據所述目標幀對應的類別和所述預設目標物體的物體信息，確定所述圖像集對應的類別。

可選地，所述根據所述目標幀對應的類別和所述預設目標物體的物體信息，確定所述圖像集對應的類別包括：將所述目標幀對應的類別和所述預設目標物體的物體信息輸入預先設置的第二圖像分類模型，得到所述圖像集對應的類別。

可選地，所述將所述目標幀對應的類別和所述預設目標物體的物體信息輸入預先設置的第二圖像分類模型包括：按照所述目標幀在所述圖像集中的先后順序，將所述目標幀對應的類別和所述物體信息輸入所述第二圖像分類模型。

可選地，所述方法還包括：在確定所述圖像集對應的類別后，通過所述車輛的GPS(Global Positioning System，全球定位系統)信息確定所述車輛的位置信息；根據所述位置信息確定所述圖像集對應的類別是否正確；在確定所述圖像集對應的類別不正確的情況下，根據所述圖像集和所述圖像集對應的類別調整所述第一圖像分類模型。

可選地，所述第一圖像分類模型通過以下方式訓練得到：獲取多個樣本圖像集；針對每個所述樣本圖像集，獲取所述樣本圖像集對應的樣本幀，并按照預設分辨率調整所述樣本幀，得到調整樣本幀，對所述調整樣本幀進行隨機透視變換，得到所述調整樣本幀對應的多個隨機樣本幀；根據所述調整樣本幀和所述隨機樣本幀對目標神經網絡模型進行訓練，得到所述第一圖像分類模型。

可選地，所述獲取所述樣本圖像集對應的樣本幀包括：按照預設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。

可選地，在所述根據所述調整樣本幀和所述隨機樣本幀對目標神經網絡模型進行訓練，得到所述第一圖像分類模型前，所述方法還包括：按照預設比例，將所述調整樣本幀和所述隨機樣本幀劃分為訓練集、驗證集以及測試集；所述根據所述調整樣本幀和所述隨機樣本幀對目標神經網絡模型進行訓練，得到所述第一圖像分類模型包括：根據所述訓練集和所述驗證集的所述調整樣本幀和所述隨機樣本幀對所述目標神經網絡模型進行訓練，得到所述第一圖像分類模型。