图像分类方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像分类方法、装置、计算机设备和存储介质。所述方法涉及图像分类技术，包括：获取待分类图像，并确定待分类图像中的感兴趣区域；根据感兴趣区域生成多个尺度子图像；分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量；连接特征子向量，得到感兴趣区域对应的图像特征向量；根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果。采用本方法能够提高图像分类准确度。

Image classification method, device, computer equipment and storage medium

The present application relates to an image classification method, an apparatus, a computer device and a storage medium. The method relates to image classification technology, including: obtaining the image to be classified and determining the region of interest in the image to be classified; generating multiple scale sub images according to the region of interest; extracting features from multiple scale sub images respectively to obtain the corresponding feature sub vectors of each scale sub image; connecting the feature sub vectors to obtain the image feature vectors corresponding to the region of interest; According to the image feature vector and the preset classifier, the classified image is processed and the result of image classification is obtained. This method can improve the accuracy of image classification.

【技术实现步骤摘要】
图像分类方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种图像分类方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，计算机视觉技术得到越来越多的重视。计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。其在安防、风控、医疗和军事中均有广泛的应用前景。例如，在医疗邻域中，可以基于计算机视觉对医疗图像，如对核磁共振扫描图像进行识别、分类，以便辅助医疗。然而，目前的图像分类处理大多利用统计学方法进行分类，这种基于统计数据进行分类处理的准确度有限。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高图像分类准确度的图像分类方法、装置、计算机设备和存储介质。一种图像分类方法，所述方法包括：获取待分类图像，并确定待分类图像中的感兴趣区域；根据感兴趣区域生成多个尺度子图像；分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量；连接特征子向量，得到感兴趣区域对应的图像特征向量；根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果。在其中一个实施例中，确定待分类图像中的感兴趣区域包括：按照预设的区域划分参数划分待分类图像，得到各区域图像；确定各区域图像对应的置信概率；按照置信概率对各区域图像进行排序，并根据排序结果从各区域图像中确定预设数量的感兴趣区域。在其中一个实施例中，确定各区域图像对应的置信概率包括：通过预设的感兴趣区域卷积识别网络对各区域图像进行识别，得到各区域图像对应的置信概率；其中，感兴趣区域卷积识别网络通过以下步骤训练得到：获取历史感兴趣区域数据，历史感兴趣区域数据包括历史区域图像和历史区域图像对应的历史置信概率；通过历史区域图像和历史置信概率训练卷积识别网络模型，得到模型训练输出；当模型训练输出满足训练结束条件时结束训练，得到感兴趣区域卷积识别网络。在其中一个实施例中，根据感兴趣区域生成多个尺度子图像包括：获取子图像参数和图像尺度参数；按照子图像参数将感兴趣区域分割，得到各子图像块；按照图像尺度参数，将各子图像块进行尺度变换，得到多个尺度子图像。在其中一个实施例中，分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量包括：查询预设的图像识别残差网络模型，图像识别残差网络模型基于历史尺度子图像数据训练得到；通过图像识别残差网络模型分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量。在其中一个实施例中，根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果包括：查询预设的分类器，分类器基于携带有类型标签的历史图像数据训练得到；将图像特征向量输入分类器中，得到图像分类结果。在其中一个实施例中，在得到图像分类结果之后，还包括：对图像分类结果进行统计，得到图像分类准确度。一种图像分类装置，所述装置包括：ROI确定模块，用于获取待分类图像，并确定待分类图像中的感兴趣区域；尺度子图像模块，用于根据感兴趣区域生成多个尺度子图像；特征提取模块，用于分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量；特征连接模块，用于连接特征子向量，得到感兴趣区域对应的图像特征向量；图像分类处理模块，用于根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待分类图像，并确定待分类图像中的感兴趣区域；根据感兴趣区域生成多个尺度子图像；分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量；连接特征子向量，得到感兴趣区域对应的图像特征向量；根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待分类图像，并确定待分类图像中的感兴趣区域；根据感兴趣区域生成多个尺度子图像；分别对多个尺度子图像进行特征提取，得到各尺度子图像对应的特征子向量；连接特征子向量，得到感兴趣区域对应的图像特征向量；根据图像特征向量和预设的分类器，对待分类图像进行分类处理，得到图像分类结果。上述图像分类方法、装置、计算机设备和存储介质，根据从待分类图像中确定的感兴趣区域生成多个尺度子图像，分别对多个尺度子图像进行特征提取，连接各尺度子图像对应的特征子向量得到图像特征向量，并结合预设的分类器对待分类图像进行分类处理，得到图像分类结果。在图像分类处理过程中，根据待分类图像中确定的感兴趣区域生成多个尺度子图像，并分别提取特征子向量，可以细化待分类图像的特征细节，提高图像分类的准确度。附图说明图1为一个实施例中图像分类方法的应用场景图；图2为一个实施例中图像分类方法的流程示意图；图3为一个实施例中生成多个尺度子图像的流程示意图；图4为另一个实施例中图像分类方法的流程示意图；图5为一个实施例中图像分类装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的图像分类方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102将待分类图像发送至服务器104，服务器104根据从待分类图像中确定的感兴趣区域生成多个尺度子图像，分别对多个尺度子图像进行特征提取，连接各尺度子图像对应的特征子向量得到图像特征向量，并结合预设的分类器对待分类图像进行分类处理，得到图像分类结果。服务器104还可以将图像分类结果反馈至终端102。此外，终端102也可以直接根据从待分类图像中确定的感兴趣区域生成多个尺度子图像，分别对多个尺度子图像进行特征提取，连接各尺度子图像对应的特征子向量得到图像特征向量，并结合预设的分类器对待分类图像进行分类处理，得到图像分类结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种图像分类方法，以该方法应用于图1中的服务器或终端为例进行说明，包括以下步骤：步骤S201：获取待分类图像，并确定待分类图像中的感兴趣区域。其中，待分类图像为需要进行识别分类的图像。例如，待分类图像可以为医疗领域中的医疗扫描图像，具体如病理切片图像。感兴趣区域可以为待分类图像中具有较明显图像特征的区域。例如，待分类图像为人物照片时，感兴趣区域可以为人脸部分区域；又如待分类图像为病理切片图像时，感兴趣区域可以为病理特征明显的区域。在具体应用中，若病理切片图像为肿瘤全切片图像，则感兴趣区域可以为肿瘤增殖最严重的区域。步骤S203：根据感兴趣区域生成多个尺度子图像。确定待分类图像中的感兴趣区域后，将感兴趣区域进行分割，并进行尺度变换，生成多个尺度子图像。多个尺度子图像可以更好地体现感兴趣区域的特征，从而有利于提高图像本文档来自技高网...

【技术保护点】
1.一种图像分类方法，所述方法包括：获取待分类图像，并确定所述待分类图像中的感兴趣区域；根据所述感兴趣区域生成多个尺度子图像；分别对多个所述尺度子图像进行特征提取，得到各所述尺度子图像对应的特征子向量；连接所述特征子向量，得到所述感兴趣区域对应的图像特征向量；根据所述图像特征向量和预设的分类器，对所述待分类图像进行分类处理，得到图像分类结果。

【技术特征摘要】
1.一种图像分类方法，所述方法包括：获取待分类图像，并确定所述待分类图像中的感兴趣区域；根据所述感兴趣区域生成多个尺度子图像；分别对多个所述尺度子图像进行特征提取，得到各所述尺度子图像对应的特征子向量；连接所述特征子向量，得到所述感兴趣区域对应的图像特征向量；根据所述图像特征向量和预设的分类器，对所述待分类图像进行分类处理，得到图像分类结果。2.根据权利要求1所述的方法，其特征在于，所述确定所述待分类图像中的感兴趣区域包括：按照预设的区域划分参数划分所述待分类图像，得到各区域图像；确定各所述区域图像对应的置信概率；按照所述置信概率对各所述区域图像进行排序，并根据排序结果从各所述区域图像中确定预设数量的感兴趣区域。3.根据权利要求2所述的方法，其特征在于，所述确定各所述区域图像对应的置信概率包括：通过预设的感兴趣区域卷积识别网络对各所述区域图像进行识别，得到各所述区域图像对应的置信概率；其中，所述感兴趣区域卷积识别网络通过以下步骤训练得到：获取历史感兴趣区域数据，所述历史感兴趣区域数据包括历史区域图像和所述历史区域图像对应的历史置信概率；通过所述历史区域图像和所述历史置信概率训练所述卷积识别网络模型，得到模型训练输出；当所述模型训练输出满足训练结束条件时结束训练，得到所述感兴趣区域卷积识别网络。4.根据权利要求1所述的方法，其特征在于，所述根据所述感兴趣区域生成多个尺度子图像包括：获取子图像参数和图像尺度参数；按照所述子图像参数将所述感兴趣区域分割，得到各子图像块；按照所述图像尺度参数，将各所述子图像块进行尺度变换，得到多个尺度子图像。5.根据权利要求1所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：王健宗，魏文琦，贾雪丽，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44