图像分类方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种图像分类方法、装置、存储介质及电子设备，其中，首先获取待聚类图像，并提取待聚类图像的特征向量；将特征向量与聚类图像集合的中心特征向量进行比对；确定在比对过程中与特征向量的相似度最大且达到预设相似度的目标中心特征向量；将待聚类图像添加至目标中心特征向量对应的目标聚类图像集合。由此，无需用户手动对电子设备上的图像进行分类，能够有效提高图像分类的效率。

【技术实现步骤摘要】
图像分类方法、装置、存储介质及电子设备
本申请涉及图像分类
，具体涉及一种图像分类方法、装置、存储介质及电子设备。
技术介绍
目前，用户可以将大量的图像(比如拍摄得到的图像，从网络下载的图像等)存储在如手机、平板电脑等电子设备上，从而可以随时随地的进行浏览。为了便于准确的查找到的需要浏览的目标图像，相关技术可由用户对电子设备上的图像进行手动分类，从而在需要时依类查找目标图像。然而，随着电子设备中图像数量的不断增加，传统的手动分类方法将无法有效的对图像进行分类管理。
技术实现思路
本申请实施例提供了一种图像分类方法、装置、存储介质及电子设备，能够有效提高图像分类的效率。本申请实施例提供图像分类方法，应用于电子设备，该图像分类方法包括：获取待聚类图像，并提取所述待聚类图像的特征向量；将所述特征向量与聚类图像集合的中心特征向量进行比对；确定在比对过程中与所述特征向量的相似度最大且达到预设相似度的目标中心特征向量；将所述待聚类图像添加至所述目标中心特征向量对应的目标聚类图像集合。本申请实施例提供的图像分类装置，应用于电子设备，该图像分类装置包括：图像获取模块，用于获取待聚类图像，并提取所述待聚类图像的特征向量；特征比对模块，用于将所述特征向量与聚类图像集合的中心特征向量进行比对；特征确定模块，用于确定在比对过程中与所述特征向量的相似度最大且达到预设相似度的目标中心特征向量；图像处理模块，用于将所述待聚类图像添加至所述目标中心特征向量对应的目标聚类图像集合。本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序被处理器加载时执行如本申请任一实施例提供的图像分类方法。本申请实施例提供的电子设备，包括处理器和存储器，所述存储器存有计算机程序，所述处理器通过加载所述计算机程序，用于执行如本申请任一实施例提供的图像分类方法。相较于相关技术，本申请首先获取待聚类图像，并提取待聚类图像的特征向量；将特征向量与聚类图像集合的中心特征向量进行比对；确定在比对过程中与特征向量的相似度最大且达到预设相似度的目标中心特征向量；将待聚类图像添加至目标中心特征向量对应的目标聚类图像集合。由此，无需用户手动对电子设备上的图像进行分类，能够有效提高图像分类的效率。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的图像分类方法的一流程示意图。图2是本申请实施例中图像分类界面的示例图。图3是本申请实施例中选择子界面的示例图。图4是本申请实施例提供的图像分类方法的另一流程示意图。图5是本申请实施例提供的图像分类装置的一结构示意图。图6是本申请实施例提供的电子设备的一结构示意图。具体实施方式应当说明的是，以下的说明是通过所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。可以理解的是，依赖经验的构图方法对于用户具有较高的要求，需要用户花费较多的时间和精力学习构图和积累经验，难以快速上手。用户在缺乏相关经验和指导的情况下，很难通过电子设备拍摄出高质量的图像。为此，本申请实施例提供一种图像分类方法、图像分类装置、存储介质以及电子设备。其中，该图像分类方法的执行主体可以是本申请实施例提供的图像分类装置，或者集成了该图像分类装置的电子设备，其中该图像分类装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等配置有处理器而具有处理能力的设备。请参照图1，图1为本申请实施例提供的图像分类方法的流程示意图，本申请实施例提供的图像分类方法的具体流程可以如下：在101中，获取待聚类图像，并提取待聚类图像的特征向量。示例性的，电子设备可以基于预设的图像分类周期，按照预设的图像选取规则，确定需要进行图像分类的待聚类图像；或者是在接收到用户输入的图像分类指令时，根据用户输入的图像分类指令确定需要进行图像分类的待聚类图像；或者是在电子设备设备拍摄得到或者下载得到新的图像时，将其作为待聚类图像。应当说明的是，本申请实施例对于图像分类周期、图像选取规则以及图像分类指令的设置均不做具体限定，可由电子设备根据用户输入进行设置，也可由电子设备的生产厂商对电子设备进行缺省设置，等等。比如，假设图像分类周期被预先配置为以周一为起点的自然周，且图像选取规则被配置为“选取拍摄的图像进行图像分类”这样，电子设备可以在每周一自动触发进行图像分类，将拍摄得到且尚未分类的图像确定为需要进行图像分类的待聚类图像。又比如，电子设备可以通过包括请求输入接口的图像分类界面接收输入的图像分类指令，如图2所示，该请求输入接口可以为输入框的形式，用户可以在该输入框形式的请求输入接口中键入需要进行图像分类的图像的标识信息，并输入确认信息(如直接按下键盘的回车键)以输入图像分类指令，该图像分类指令携带有需要进行图像分类的图像的标识信息。相应的，电子设备即可根据接收到的图像分类指令中的标识信息确定需要进行图像分类的待聚类图像。又比如，在图2所示的图像分类界面中，还包括“打开”控件，一方面，电子设备在侦测到该打开控件触发时，将在图像分类界面之上叠加显示选择子界面(如图3所示)，该选择子界面向用户提供本地储存的可进行图像分类的图像的缩略图，如图像A、图像B、图像C、图像D、图像E、图像F等图像的缩略图，供用户查找并选中需要进行图像分类的图像的缩略图；另一方面，用户可以在选中需要进行图像分类的图像的缩略图之后，触发选择子界面提供的确认控件，以向电子设备输入图像分类指令，该图像分类指令与用户选中的图像的缩略图相关联，指示电子设备将用户选中的图像作为需要进行图像分类的待聚类图像。此外，本领域普通技术人员还可以根据实际需要设置其它输入图像分类指令的具体实现方式，本专利技术对此不做具体限制。在获取到待聚类图像之后，电子设备进一步对待聚类图像进行特征提取，提取得到待聚类图像的特征向量。其中，本申请实施例对于如何对待聚类图像进行特征提取不作具体限定，可由本领域普通技术人员根据实际需要进行配置。比如，本申请实施例中采用MobileFaceNets结构的特征提取模型对待聚类图像进行特征提取，从而提取得到待聚类图像的特征向量。在102中，将特征向量与聚类图像集合的中心特征向量进行比对。其中，聚类图像集合包括多个在某一维度相同的图像，比如同一用户的图像，同一种动物的图像，同一种植物的图像等。本申请实施例中，电子设备储存有至少一个聚类图像集合。电子设备在提取得到待聚类图像的特征向量之后，将该特征向量与电子设备储存的聚类图像集合的中心特征向量一一进行比对。其本文档来自技高网...

【技术保护点】
1.一种图像分类方法，应用于电子设备，其特征在于，包括：/n获取待聚类图像，并提取所述待聚类图像的特征向量；/n将所述特征向量与聚类图像集合的中心特征向量进行比对；/n确定在比对过程中与所述特征向量的相似度最大且达到预设相似度的目标中心特征向量；/n将所述待聚类图像添加至所述目标中心特征向量对应的目标聚类图像集合。/n

【技术特征摘要】
1.一种图像分类方法，应用于电子设备，其特征在于，包括：
获取待聚类图像，并提取所述待聚类图像的特征向量；
将所述特征向量与聚类图像集合的中心特征向量进行比对；
确定在比对过程中与所述特征向量的相似度最大且达到预设相似度的目标中心特征向量；
将所述待聚类图像添加至所述目标中心特征向量对应的目标聚类图像集合。


2.根据权利要求1所述的图像分类方法，其特征在于，所述确定在比对过程中与所述特征向量的相似度达到预设相似度且值最大的目标中心特征向量，包括：
获取比对过程中，当前聚类图像集合的中心特征向量与所述特征向量的当前相似度；
当所述当前相似度达到预设相似度时，判断所述当前相似度是否大于记录的历史相似度，所述历史相似度为历史聚类图像集合的中心特征向量与所述特征向量的相似度；
若所述当前相似度大于所述历史相似度，则记录所述当前相似度，并丢弃所述历史相似度后继续比对，若所述当前相似度小于或等于所述历史相似度时，则直接继续比对；
当比对完成时，将最终记录的相似度所对应的中心特征向量作为所述目标中心特征向量。


3.根据权利要求1所述的图像分类方法，其特征在于，所述待聚类图像包括待聚类人脸图像，所述提取所述待聚类图像的特征向量，包括：
调用预训练的人脸检测模型对所述待聚类人脸图像进行人脸检测，得到人脸区域；
调用预训练的特征提取模型对所述人脸区域内的图像内容进行特征提取，得到所述特征向量。


4.根据权利要求1所述的图像分类方法，其特征在于，所述将所述特征向量与聚类图像集合的中心特征向量进行比对，包括：
获取每一聚类图像集合最后添加图像的添加时刻；
按照添加时刻的先后顺序，将所述特征向量与每一聚类图像...

【专利技术属性】
技术研发人员：周玄，李翰，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44