System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 图像分类方法、装置以及电子设备制造方法及图纸_技高网

图像分类方法、装置以及电子设备制造方法及图纸

技术编号:41616376 阅读:2 留言:0更新日期:2024-06-13 02:19
本申请实施例公开了一种图像分类方法、装置以及电子设备。方法包括:获取多个待分类图像;通过图像分类模型的特征获取模块获取多个待分类图像各自的图像特征,图像特征由第一全局特征和第一局部特征组成;从图像分类模型的原型学习模块的多个子类型分类模块中,确定多个待分类图像各自的目标子类型分类模块,目标子类型分类模块对应的子分类原型特征与所对应的待分类图像的图像特征匹配,子分类原型特征由第二全局特征和第二局部特征组成;基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定多个待分类图像的分类。从而通过上述方式使得提升了图像分类模型的分类准确性。

【技术实现步骤摘要】

本申请涉及计算机,更具体地,涉及一种图像分类方法、装置以及电子设备


技术介绍

1、随着人工智能技术的发展,基于大规模数据训练得到的图像分类模型,能够对图像进行分类。但是,相关的图像分类模型,还存在图像分类结果不够准确的情况。


技术实现思路

1、鉴于上述问题,本申请提出了一种图像分类方法、装置以及电子设备,以改善上述问题。

2、第一方面,本申请提供了一种图像分类方法,所述方法包括:获取多个待分类图像;通过图像分类模型的特征获取模块获取所述多个待分类图像各自的图像特征,所述图像特征由第一全局特征和第一局部特征组成;从所述图像分类模型的原型学习模块的多个子类型分类模块中,确定所述多个待分类图像各自的目标子类型分类模块,所述目标子类型分类模块对应的子分类原型特征与所对应的待分类图像的图像特征匹配,所述子分类原型特征由第二全局特征和第二局部特征组成;基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定所述多个待分类图像的分类。

3、第二方面,本申请提供了一种图像分类装置,所述装置包括:图像获取单元,用于获取多个待分类图像;特征获取单元,用于通过图像分类模型的特征获取模块获取所述多个待分类图像各自的图像特征,所述图像特征由第一全局特征和第一局部特征组成;子类型确定单元,用于从所述图像分类模型的原型学习模块的多个子类型分类模块中,确定所述多个待分类图像各自的目标子类型分类模块,所述目标子类型分类模块对应的子分类原型特征与所对应的待分类图像的图像特征匹配,所述子分类原型特征由第二全局特征和第二局部特征组成;分类单元,用于基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定所述多个待分类图像的分类。

4、第三方面,本申请提供了一种电子设备,所述电子设备至少包括处理器、以及存储器;一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述方法。

5、第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码被处理器运行时执行上述方法。

6、本申请提供的一种图像分类方法、装置以及电子设备,获取多个待分类图像后,可以通过图像分类模型的特征获取模块获取多个待分类图像各自的图像特征。之后再从图像分类模型的原型学习模块的多个子类型分类模块中,确定多个待分类图像各自的目标子类型分类模块,进而基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定所述多个待分类图像的分类。从而通过上述方式使得在基于第一全局特征和第一局部特征来构成待分类图像的图像特征,以及子类型分类模块对应的子分类原型特征也由第二全局特征和第二局部特征组成的情况下,使得图像和子类型分类模块各自的特征都更加的细化,进而通过细分分类空间以更好地拒绝定义外样本的方式,解决在闭集学习任务中分类空间过宽导致在开集样本混入的问题,以实现提升图像分类模型的分类准确性。

本文档来自技高网...

【技术保护点】

1.一种图像分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过图像分类模型的特征获取模块获取所述多个待分类图像各自的图像特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述从所述图像分类模型的原型学习模块的多个子类型分类模块中,确定所述多个待分类图像各自的目标子类型分类模块,包括:

4.根据权利要求1所述的方法,其特征在于,所述基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定所述多个待分类图像的分类,包括:

5.根据权利要求1-4任一所述的方法,其特征在于,所述获取多个待分类图像之前还包括:

6.根据权利要求5所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1-4任一所述的方法,其特征在于,所述子类型分类模块包括全连接层以及分类器。

8.一种图像分类装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,包括处理器以及存储器;一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现权利要求1-7任一所述的方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码被处理器运行时执行权利要求1-7任一所述的方法。

...

【技术特征摘要】

1.一种图像分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过图像分类模型的特征获取模块获取所述多个待分类图像各自的图像特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述从所述图像分类模型的原型学习模块的多个子类型分类模块中,确定所述多个待分类图像各自的目标子类型分类模块,包括:

4.根据权利要求1所述的方法,其特征在于,所述基于多个待分类图像各自的目标子类型分类模块所输出的分类概率,确定所述多个待分类图像的分类,包括:

5.根据权利要求1-4任一所述的方法,其特征在于,所述获取多个待...

【专利技术属性】
技术研发人员:黄逸杰李亚乾郭彦东
申请(专利权)人:上海瑾盛通信科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1