[发明专利]图像分类模型训练、图像分类、个性化推荐方法及装置

说明书

一种图像分类模型训练及装置、图像分类方法及装置、个性化推荐方法及装置、计算机存储介质及设备，一个实施例的方法包括：提取各样本图像的全局图像特征；根据各样本图像及各样本图像的全局图像特征，确定各样本图像的局部关键区域；提取各样本图像的局部关键区域的图像特征；根据各样本图像的全局图像特征及各样本图像的局部关键区域的图像特征，获取各样本图像分别对应的关联特征；初始化分类模型获得初始分类模型；根据各样本图像的全局图像特征、各样本图像的局部关键区域的图像特征及各样本图像的关联特征，对初始分类模型进行训练，获得训练后的图像分类模型。依据本实施例获得的图像分类模型进行图像分类时，能够提高图像分类准确性。

本申请是于2017年11月30日提交中国专利局，申请号为201711244572.4，发明名称为“图像分类方法及装置、个性化推荐方法及装置”的分案申请，其全部内容通过引用结合在本申请中。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像分类模型训练方法、图像分类模型训练装置、图像分类方法、图像分类方法装置、个性化推荐方法、个性化推荐装置、计算机存储介质及计算机设备。

背景技术

目前，各种系统、软件和网站中可提供多种多样的图像以供用户选择，为便于用户对图像的查找，提供有图像分类的功能。

在现有图像分类方法中，通过对图像进行分析，获得图像特征，根据图像特征以及分类算法对图像进行分类。然而，现有图像分类方法中采用的图像特征比较单一，据此进行分类时，导致分类准确性不足。

发明内容

基于此，有必要针对图像分类准确性不足的问题，提出一种图像分类模型训练方法、图像分类模型训练装置、图像分类方法、图像分类方法装置、个性化推荐方法、个性化推荐装置、计算机存储介质及计算机设备。

一种图像分类模型训练方法，包括以下步骤：

提取各样本图像的全局图像特征；

根据各所述样本图像以及各所述样本图像的全局图像特征，确定各所述样本图像的局部关键区域；

提取各所述样本图像的局部关键区域的图像特征；

根据各所述样本图像的全局图像特征以及各所述样本图像的局部关键区域的图像特征，获取各所述样本图像分别对应的关联特征；

初始化分类模型，获得初始分类模型；

根据各所述样本图像的全局图像特征、各所述样本图像的局部关键区域的图像特征以及各所述样本图像的关联特征，对所述初始分类模型进行训练，获得训练后的图像分类模型。

一种图像分类方法，包括以下步骤：

提取待分类图像的全局图像特征；

根据所述待分类图像以及所述待分类图像的全局图像特征，确定所述待分类图像的局部关键区域；

提取所述待分类图像的局部关键区域的图像特征；

根据所述待分类图像的全局图像特征以及所述待分类图像的局部关键区域的图像特征，获取所述待分类图像的关联特征；

采用训练后的图像分类模型，对所述待分类图像的全局图像特征、所述待分类图像的局部关键区域的图像特征以及所述待分类图像的关联特征进行分类处理，获得所述待分类图像的分类结果，所述训练后的图像分类模型，为采用如上所述的图像分类模型训练方法获得的图像分类模型。

一种个性化推荐方法，包括：

获取通过上述图像分类方法对待分类图像进行分类确定的分类结果；

查找与所述分类结果对应的待推荐对象信息；

推送所述待推荐对象信息。