[发明专利]图像分类方法、装置、计算机设备和存储介质

说明书

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。该方法包括：获取待分类图像；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；所述待分类图像为进行几何纠正之后的图像；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。采用本方法能够提高图像分类的准确性。

技术领域

本申请涉及计算机技术领域，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。

背景技术

随着科学技术的快速发展，人工智能技术已经广泛的应用于人们的生活和工作中，其中，尤其对于图像的识别和处理已经有了不可替代的地位。

以人脸图像识别为例，计算机设备可以采用传统的神经网络模型，对人脸图像进行识别和分类，从而能够分辨出人脸图像中是否戴眼镜，或者嘴巴是否闭合等属性。

然而，传统的神经网络模型通常是多层卷积神经网络的模型，采用这种模型对人脸图像的属性进行识别，其识别的结果不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像属性分类准确性的图像分类方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供一种图像分类方法，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。

在其中一个实施例中，所述分类模型包括基础特征提取网络和多个注意力单元；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；

将所述待分类特征图分别采用多个对应不同属性的注意力单元进行处理，得到多个不同属性的注意力特征图；

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。

在其中一个实施例中，所述注意力单元包括第一卷积层和第二卷积层；所述将所述待分类特征图分别采用多个不同属性的注意力单元进行处理，得到多个不同属性的注意力特征图，包括：

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。

在其中一个实施例中，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所述第二中间图；

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。

在其中一个实施例中，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。

在其中一个实施例中，所述获取待分类图像，包括：

获取原始图像；