[发明专利]一种基于图像的物体分类方法、系统及电子设备

权利要求书

1.一种基于图像的物体分类方法，其特征在于，包括如下步骤:

步骤S1：获取具有粗分类模型的神经网络；

步骤S2：获取多种细分类模型，并将多种细分类模型调整至对应的粗分类模型下；

步骤S3：分别保存预设的待分类物体的粗分类特征向量、细分类特征向量作为检索底库；

步骤S4：输入具有待分类物体的第一图像，获得n张与所述第一图像相似度大于第一阈值的第二图像，

步骤S4具体包括如下步骤：

步骤S41：输入具有待分类物体的第一图像，粗分类特征提取器提取待分类物体的特征向量；及

步骤S42：对检索底库中的特征向量与待分类物体的特征向量进行筛选，获得n张与所述第一图像相似度大于第一阈值的第二图像；

步骤S5：在n张第二图像内进行筛选，进一步获得m张与所述第一图像相似度大于第二阈值的第三图像；步骤S5的过程具体如下：

使用粗分类模型下对应的细分类特征提取器提取待分类物体的特征，细分类特征提取器提取待分类物体的特征；及将细分类特征提取器提取的特征在n张第二图像中进行进一步筛选，获得m张与所述第一图像相似度大于第二阈值的第三图像；及

步骤S6：对比m张第三图像对应的细分类特征向量与第一图像中待分类物体的细分类特征向量之间的距离，以获得待分类物体的分类结果。

2.如权利要求1中所述基于图像的物体分类方法，其特征在于：上述步骤S2中细分类模型是通过预先训练获得的神经网络模型。

3.如权利要求1中所述基于图像的物体分类方法，其特征在于：上述步骤S4还包括步骤S43，

步骤S43：根据提取的所述第一图像内的待分类物体，获得待分类物体在第一图像内的位置。

4.如权利要求3中所述基于图像的物体分类方法，其特征在于：步骤S5还包括如下步骤：

根据待分类物体在所述第一图像的位置，使用粗分类模型下对应的细分类特征提取器提取待分类物体的特征。

5.如权利要求1中所述基于图像的物体分类方法，其特征在于：步骤S3 中所述粗分类特征向量、细分类特征向量通过降维处理后存入检索底库中。

6.如权利要求1中所述基于图像的物体分类方法，其特征在于：上述步骤S6具体包括如下步骤：

步骤S61：测量m张第三图像的细分类特征向量与第一图像的细分类特征向量之间的距离；

步骤S62：选取与第一图像的特征向量距离最短的一张 第三图像；及

步骤S63：根据选取的第三图像所属的类别作为第一图像内待分类物体的分类结果。

7.一种基于图像的物体分类系统，其特征在于，包括：

模型获取单元，用于获取具有粗分类模型的神经网络；

模型调整单元，用于获取多种细分类模型，并将多种细分类模型调整至对应的粗分类模型下；

特征保存单元，用于分别保存预设的待分类物体的粗分类特征向量、细分类特征向量作为检索底库；

粗分类单元，用于输入具有待分类物体的第一图像，获得n张与所述第一图像相似度大于第一阈值的第二图像，输入具有待分类物体的第一图像，粗分类特征提取器提取待分类物体的特征向量；及对检索底库中的特征向量与待分类物体的特征向量进行筛选，获得n张与所述第一图像相似度大于第一阈值的第二图像；

细分类单元，用于在n张第二图像内进行筛选，进一步获得m张与所述第一图像相似度大于第二阈值的第三图像，使用粗分类模型下对应的细分类特征提取器提取待分类物体的特征，细分类特征提取器提取待分类物体的特征；及将细分类特征提取器提取的特征在n张第二图像中进行进一步筛选，获得m张与所述第一图像相似度大于第二阈值的第三图像；及

分类确认单元，用于对比m张第三图像对应的细分类特征向量与第一图像中待分类物体的细分类特征向量之间的距离，以获得待分类物体的分类结果。