[发明专利]图像分类方法、装置、计算机设备和存储介质

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

获取待分类图像；所述待分类图像为进行几何纠正之后的图像；

采用预设的分类模型对所述待分类图像进行分类，得到所述待分类图像的多个不同属性的所属类别；所述分类模型为对待分类图像采用注意力机制，进行多任务处理的模型；

所述分类模型包括基础特征提取网络和多个注意力单元，每个注意力单元对应一个属性，用于对该属性对应的特征进行特征加权；所述基础特征提取网络的层数为四层；所述注意力单元包括第一卷积层和第二卷积层；

所述采用预设的分类模型对所述待分类图像进行分类，得到所述待分类图像的多个不同属性的所属类别，包括：

采用所述基础特征提取网络对所述待分类图像进行特征提取，得到待分类特征图；

采用每个所述第一卷积层对所述待分类特征图进行特征提取，得到多个不同属性对应的多个第一中间图；

采用每个所述第二卷积层对多个所述第一中间图进行特征提取，得到多个不同属性对应的所述注意力特征图；

将每个所述注意力特征图与所述待分类特征图进行融合处理，并通过全连接层得到每个属性的所属类别。

2.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络为卷积神经网络。

3.根据权利要求1所述的方法，其特征在于，所述第一卷积层的网络形状的长度和宽度均为1，所述第二卷积层的网络形状的长度和宽度均为3。

4.根据权利要求1所述的方法，其特征在于，所述将每个所述注意力特征图与所述待分类特征图进行融合处理，并通过全连接层得到每个属性的所属类别，包括：

对每个所述注意力特征图与所述待分类特征图进行融合处理，得到多个属性对应的多个第二中间图；

将每个所述第二中间图通过对应的所述全连接层输出，得到每个属性的所属类别。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述采用基础特征提取网络对所述待分类图像进行特征提取，得到待分类特征图之前，包括：

将多个训练图像输入预设的初始分类模型，得到每个训练图像对应的分类结果；所述训练图像为进行几何纠正之后的图像，所述训练图像包括多个属性的类别标签；

根据所述分类结果和对应的所述训练图像的类别标签之间的损失函数，对所述初始分类模型进行训练，得到所述分类模型。

6.根据权利要求1所述的方法，其特征在于，所述获取待分类图像，包括：

获取原始图像；

将所述原始图像采用空间变换网络进行处理，得到仿射变换矩阵；

将所述原始图像和所述仿射变换矩阵相乘，得到所述待分类图像。

7.根据权利要求6所述的方法，其特征在于，所述仿射变换矩阵为正方形的矩阵。

8.一种图像分类装置，其特征在于，所述装置包括：

获取模块，用于获取待分类图像；所述待分类图像为进行几何纠正之后的图像；

分类模块，用于采用预设的分类模型对所述待分类图像进行分类，得到所述待分类图像的多个不同属性的所属类别；所述分类模型为对待分类图像采用注意力机制，进行多任务处理的模型；

所述分类模型包括基础特征提取网络和多个注意力单元，每个注意力单元对应一个属性，用于对该属性对应的特征进行特征加权；所述基础特征提取网络的层数为四层；所述注意力单元包括第一卷积层和第二卷积层；

所述分类模块在采用预设的分类模型对所述待分类图像进行分类，得到所述待分类图像的多个不同属性的所属类别时，具体用于：

采用所述基础特征提取网络对所述待分类图像进行特征提取，得到待分类特征图；

采用每个所述第一卷积层对所述待分类特征图进行特征提取，得到多个不同属性对应的多个第一中间图；

采用每个所述第二卷积层对多个所述第一中间图进行特征提取，得到多个不同属性对应的所述注意力特征图；

将每个所述注意力特征图与所述待分类特征图进行融合处理，并通过全连接层得到每个属性的所属类别。