[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

本申請提供了一種圖像分類的方法、裝置、電子設備及存儲介質，其中，在圖像分類的方法中，首先獲取待分類圖像。然后調用訓練好的特征提取模型處理待分類圖像，得到待分類圖像的圖像特征。最后調用訓練好的圖像分類模型處理圖像特征，得到待分類圖像的圖像類別。由此可知，利用本申請的方法，預先對特征提取模型以及圖像分類模型進行無監督訓練，不需要人工標注圖像數據，當獲取到待分類圖像時，可以快速準確的對待分類圖像進行特征提取與分類，解決了現有技術中圖像分類的方法都需要借助人工標注的圖像數據才可實現，需要耗費大量的人力資源和高額的人工成本，同時大量未標注的圖像數據被浪費掉的問題。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種圖像分類的方法、裝置、電子設備及存儲介質。

背景技術

隨著科技的發展，汽車的功能越來越智能化，為了給用戶帶來更好的駕駛體驗，自動駕駛功能成為了汽車重要發展的一項技術。自動駕駛依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。

在自動駕駛領域中，影響自動駕駛性能的重要一環即為對車輛檢測到的圖像進行識別分類，圖像分類的質量好壞能夠直接影響到自動駕駛的性能。然而，由于自動駕駛場景下的圖像錯綜復雜，目前對自動駕駛場景下的進行圖像分類的方法都需要借助人工標注的圖像數據才可實現，需要耗費大量的人力資源和高額的人工成本，同時大量未標注的圖像數據被浪費掉。

發明內容

有鑒于此，本申請提供了一種圖像分類的方法、裝置、電子設備及存儲介質，以解決現有技術中圖像分類的方法都需要借助人工標注的圖像數據才可實現，需要耗費大量的人力資源和高額的人工成本，同時大量未標注的圖像數據被浪費掉的問題。

為實現上述目的，本申請提供如下技術方案：

本申請第一方面公開了一種圖像分類的方法，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。

可選的，上述的方法，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。

可選的，上述的方法，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。

可選的，上述的方法，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：