[发明专利]目标分类方法、装置、计算机设备和可读存储介质

说明书

本发明涉及一种目标分类方法，包括：获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；根据各所述第一特征集，获取对应的第二特征集；将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果，通过采用不同的权重，融合至少两种不同分类器的初始识别结果得到最终的识别结果，可以有效提高目标识别模型的泛化能力，从而提高目标识别的准确度。

技术领域

本发明涉及数字图像处理领域，特别是涉及一种目标分类方法、装置、计算机设备和可读存储介质。

背景技术

目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。

在目标识别领域，由于得到的目标信息有限，对于未知目标的识别效果很大程度上取决于所获取先验信息的多少。现有的目标识别方法中，目标识别模型的泛化能力不足，导致目标识别准确度不够高。

发明内容

本发明的目的在于提供一种目标分类方法、装置、计算机设备和可读存储介质，可以有效提高目标识别模型的泛化能力，从而提高目标识别的准确度。

本发明的目的通过如下技术方案实现：

一种目标分类方法，所述方法包括：

获取待分类特征集，采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集；

根据各所述第一特征集，获取对应的第二特征集；

将各所述第二特征集输入对应的各所述预设分类器中，得到对应的至少两种初始识别结果；

获取各所述预设分类器的权重，根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果。

在一个实施例中，所述采用至少两种预设分类器从所述待分类特征集中分别筛选得到对应的第一特征集，包括：

采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征；

将除所述最优特征之外的特征集作为新的待分类特征集，返回所述采用预设分类器从所述待分类特征集中选取分类准确率最高的最优特征的步骤，重复预设次数；

将选取出的各所述最优特征作为与所述预设分类器对应的所述第一特征集。

在一个实施例中，所述根据各所述第一特征集，获取对应的第二特征集，包括：

获取各所述第一特征集之间交叠的交叠特征；

将所述交叠特征分别与各所述第一特征集相匹配，得到与各所述第一特征集相对应的第二特征集。

在一个实施例中，所述获取各所述预设分类器的权重，包括：

将各所述初始识别结果输入预设融合识别函数，获取所述预设融合识别函数的分类准确率损失；

当所述分类准确率损失最小时，根据对应的预设融合识别函数的参数得到各所述预设分类器的权重。

在一个实施例中，所述根据各所述权重和各所述初始识别结果，获取所述待分类特征集的识别结果，包括：

将各所述初始识别结果乘以对应的各所述权重，得到与各所述预设分类器对应的分类器识别结果；

获取各所述分类器识别结果之和，得到所述待分类特征集的识别结果。

在一个实施例中，所述至少两种预设分类器包括线性判别分类器、神经网络分类器和支持向量机分类器中的至少两种。

一种目标分类装置，所述装置包括：