[發明專利]圖像分類的方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211669076.4
• 申請日: 2022-12-23
• 公開（公告）號: CN115984614A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 艾銳;宋雨豪;陳明華;陳康亮;顧維灝
• 申請（專利權）人: 毫末智行科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/762;G06V10/77;G06V20/56;G06N3/088
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 薛晨光

1.一種圖像分類的方法，其特征在于，包括：

獲取待分類圖像；其中，所述待分類圖像為汽車在駕駛過程中采集到的圖像；

調用訓練好的特征提取模型處理所述待分類圖像，得到所述待分類圖像的圖像特征；其中，所述特征提取模型為利用預先獲取的樣本圖像進行無監督訓練得到的模型；

調用訓練好的圖像分類模型處理所述圖像特征，得到所述待分類圖像的圖像類別；其中，所述圖像分類模型為基于圖像特征樣本集合訓練得到的模型；所述圖像特征樣本集合為通過對所述樣本圖像的圖像特征進行聚類得到的集合。

2.根據權利要求1所述的方法，其特征在于，所述特征提取模型的訓練過程，包括：

獲取所述特征提取模型的預訓練模型以及所述樣本圖像；其中，所述預訓練模型為利用目標數據庫的圖像數據集對所述特征提取模型進行預訓練得到的模型；

利用對比損失函數處理所述樣本圖像，得到對比損失值；

利用所述對比損失值對所述預訓練模型進行訓練，并將訓練好的所述預訓練模型作為所述特征提取模型。

3.根據權利要求1所述的方法，其特征在于，所述圖像分類模型的訓練過程，包括：

針對每一張所述樣本圖像，調用所述特征提取模型處理所述樣本圖像，得到所述樣本圖像的圖像特征；

對各張所述樣本圖像的圖像特征進行聚類處理，得到各個所述圖像特征樣本集合；

篩選出滿足預設條件的圖像特征樣本集合，并為所述篩選出的圖像特征樣本集合定義集合標簽；其中，所述集合標簽用于表征圖像特征所屬的圖像類別；

將所述篩選出的圖像特征樣本集合以及所述篩選出的圖像特征樣本集合所對應的集合標簽作為訓練數據，對所述圖像分類模型進行訓練。

4.根據權利要求1所述的方法，其特征在于，所述調用訓練好的圖像分類模型處理所述圖像特征，得到所述待分類圖像的圖像類別，包括：

基于所述圖像特征，計算得到所述圖像特征的置信度；

若所述置信度大于預設閾值，則分別計算所述圖像特征屬于各個所述圖像類別的概率值，并將概率值最大的圖像類別作為所述圖像特征對應的待分類圖像的圖像類別；

若所述置信度不大于所述預設閾值，則確定所述圖像特征對應的待分類圖像不屬于各個所述圖像類別。

5.根據權利要求4所述的方法，其特征在于，還包括：

獲取不屬于各個所述圖像類別的圖像特征；

對所述不屬于各個所述圖像類別的圖像特征進行聚類處理，得到新的圖像特征樣本集合；

從所述新的圖像特征樣本集合中篩選出滿足所述預設條件的圖像特征樣本集合，并為所述篩選出的圖像特征樣本集合定義集合標簽；

將所述篩選出的圖像特征樣本集合以及所述篩選出的圖像特征樣本集合所對應的集合標簽作為訓練數據，對所述圖像分類模型進行訓練。

6.一種圖像分類的裝置，其特征在于，包括：

獲取單元，用于獲取待分類圖像；其中，所述待分類圖像為汽車在駕駛過程中采集到的圖像；

第一調用單元，用于調用訓練好的特征提取模型處理所述待分類圖像，得到所述待分類圖像的圖像特征；其中，所述特征提取模型為利用預先獲取的樣本圖像進行無監督訓練得到的模型；

第二調用單元，用于調用訓練好的圖像分類模型處理所述圖像特征，得到所述待分類圖像的圖像類別；其中，所述圖像分類模型為基于圖像特征樣本集合訓練得到的模型；所述圖像特征樣本集合為通過對所述樣本圖像的圖像特征進行聚類得到的集合。

7.根據權利要求6所述的裝置，其特征在于，所述第一調用單元，包括：

第一獲取子單元，用于獲取所述特征提取模型的預訓練模型以及所述樣本圖像；其中，所述預訓練模型為利用目標數據庫的圖像數據集對所述特征提取模型進行預訓練得到的模型；

處理子單元，用于利用對比損失函數處理所述樣本圖像，得到對比損失值；

第一訓練子單元，用于利用所述對比損失值對所述預訓練模型進行訓練，并將訓練好的所述預訓練模型作為所述特征提取模型。