[發(fā)明專利]一種圖像分類方法、裝置、計算機可讀存儲介質及設備

有效

• 申請?zhí)枺?/td>: 202110952151.7
• 申請日: 2021-08-19
• 公開（公告）號: CN113409316B
• 公開（公告）日: 2021-12-21
• 發(fā)明（設計）人: 姚娟娟;鐘南山
• 申請（專利權）人: 明品云（北京）數據科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/42;G06K9/62;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 上海漢之律師事務所 31378
• 代理人: 馮華

本發(fā)明公開了一種圖像分類方法、裝置、計算機可讀存儲介質及設備，所述方法包括：獲取待處理圖像；對所述待處理圖像進行縮放處理，得到不同尺寸的輸入圖像；將所述輸入圖像輸入到預先訓練好的圖像分類模型中對所述輸入圖像進行分類處理，得到輸入圖像的分類概率，從而得到圖像所屬的圖像類別；其中，所述圖像分類模型由多個不同尺度的分類器構成，每一個尺度的分類器對應一種尺寸的輸入圖像，不同分類器對應不同尺寸的輸入圖像。本發(fā)明通過多尺度的神經網絡對圖像進行類處理，確保了多尺度輸入圖像的分類魯棒性，在圖像分類方面具有顯著的優(yōu)勢。

技術領域

本發(fā)明涉及人工智能領域，具體涉及一種圖像分類方法、裝置、計算機可讀存儲介質及設備。

背景技術

醫(yī)療圖像是記錄患者診斷情況的重要依據，獲取高質量的醫(yī)療圖像對于醫(yī)療診斷具有重要的意義。近年來，隨著深度學習技術的快速發(fā)展，卷積神經網絡成為許多學者的研究熱點，并成功運用在圖像分類、目標檢測以及行人檢測等領域。但現有研究中，都是利用單一尺度的分類器進行圖像分類，對不同種類的樣本的分類具有不確定性，分類準確率還需進一步提高。

發(fā)明內容

鑒于以上所述現有技術的缺點，本發(fā)明的目的在于提供一種圖像分類方法、裝置、計算機可讀存儲介質及設備，用于解決現有技術存在的問題。

為實現上述目的及其他相關目的，本發(fā)明提供一種圖像分類方法，包括：

獲取待處理圖像；

對所述待處理圖像進行縮放處理，得到不同尺寸的輸入圖像；

將所述輸入圖像輸入到預先訓練好的基于卷積神經網絡的圖像分類模型中對所述輸入圖像進行分類處理，得到輸入圖像的分類概率，從而得到圖像所屬的圖像類別；其中，所述圖像分類模型由多個不同尺度的分類器絡構成，每一個尺度的分類器對應一種尺寸的輸入圖像，不同分類器對應不同尺寸的輸入圖像；在對所述待處理圖像進行縮放處理后，還包括：

根據圖像清晰度對待處理圖像進行篩選，將清晰度超過清晰度閾值對應的圖像作為待分類圖像；待處理圖像的圖像清晰度的獲取方法包括：

獲取待處理圖像的灰度圖像；

將所述待處理圖像的灰度圖像劃分為多個圖像塊；

計算每個圖像塊的清晰度；

計算所述圖像塊的清晰度的平均值，將所述平均值作為待處理圖像的清晰度。

可選地，在計算待分類圖像的分類概率時，為每個尺度的分類器的分類結果設置相應的權重，根據所述相應的權重以及每個尺度的分類器對應的輸入圖像的分類概率對所述輸入圖像進行分類處理。

可選地，采用雙線性插值算法或雙三次插值算法對所述待處理圖像進行縮放處理。

為實現上述目的及其他相關目的，本發(fā)明提供一種圖像分類裝置，其特征在于，包括：

圖像獲取模塊，用于獲取待處理圖像；

圖像預處理模塊，用于對所述待處理圖像進行預處理，得到不同尺寸的輸入圖像；

圖像分類模塊，用于將所述輸入圖像輸入到預先訓練好的基于卷積神經網絡的圖像分類模型中對所述輸入圖像進行分類處理，得到輸入圖像的分類概率，從而得到圖像所屬的圖像類別；其中，所述圖像分類模型由多個不同尺度的分類器構成，每一個尺度的分類器對應一種尺寸的輸入圖像，不同分類器對應不同尺寸的輸入圖像；

在對所述待處理圖像進行縮放處理后，還包括：

根據圖像清晰度對待處理圖像進行篩選，將清晰度超過清晰度閾值對應的圖像作為待分類圖像；待處理圖像的圖像清晰度的獲取方法包括：

獲取待處理圖像的灰度圖像；