[发明专利]一种图像的分类方法、终端及计算机存储介质

说明书

本申请实施例公开了一种图像的分类方法，该方法应用于一终端中，包括：获取待分类图像，采用预先训练好的细粒度分类模型，对待分类图像进行分类，得到分类后的图像。本申请实施例还同时提供了一种终端及计算机存储介质。

技术领域

本申请涉及细粒度图像分类技术，尤其涉及一种图像的分类方法、终端及计算机存储介质。

背景技术

细粒度图像分类技术是图像分类的一个分支，由于其类别都属于同一个大的类别，比如不同品种的狗都属于狗这一个大类，所以其类别直接的差异性比较小，但是存在背景和外形的多样性等导致类别之间仍然有很多的差异性。

目前，图像细粒度分类方法大致可以分为以下几个分支：基于现有分类网络的微调、基于细粒度特征学习的方法、基于目标块的检测与分类结合的方法以及基于视觉注意力机制的方法，然而，上述方法主要集中通用分类算法的基础上进行改进的，目前分类算法最常用的损失函数为softmax，而softmax对于细粒度分类的类间区分度不高；由此可以看出，现有的采用细粒度图像分类算法导致图像分类的准确性较差。

发明内容

本申请实施例提供一种图像的分类方法、终端及计算机存储介质，能够提高图像分类的准确性。

本申请的技术方案是这样实现的：

本申请实施例提供了一种图像的分类方法，该方法应用于一终端中，包括：

获取待分类图像；

采用预先训练好的细粒度分类模型，对所述待分类图像进行分类，得到分类后的图像；

其中，所述训练好的细粒度分类模型采用以下方式得到：

根据获取到的待训练图像集的图像标签，对所述待训练图像集的图像进行分组，得到分组后的待训练图像集；其中，所述图像标签用于表征图像的类别；

对所述分组后的待训练图像集中图像提取特征向量，得到特征向量组；

采用所述特征向量组对细粒度分类模型进行训练，以确定出所述细粒度分类模型中损失函数与目标函数的取值最小时的模型参数，得到所述训练好的细粒度分类模型。

本申请实施例提供了一种终端，所述终端包括：

获取模块，用于获取待分类图像；

分类模块，用于采用预先训练好的细粒度分类模型，对所述待分类图像进行分类，得到分类后的图像；

其中，所述训练好的细粒度分类模型采用以下方式得到：

根据获取到的待训练图像集的图像标签，对所述待训练图像集的图像进行分组，得到分组后的待训练图像集；其中，所述图像标签用于表征图像的类别；

对所述分组后的待训练图像集中图像提取特征向量，得到特征向量组；

采用所述特征向量组对细粒度分类模型进行训练，以确定出所述细粒度分类模型中损失函数与目标函数的取值最小时的模型参数，得到所述训练好的细粒度分类模型。

本申请实施例还提供了一种终端，所述终端包括：处理器以及存储有所述处理器可执行指令的存储介质，所述存储介质通过通信总线依赖所述处理器执行操作，当所述指令被所述处理器执行时，执行上述一个或多个实施例所述图像的分类方法。

本申请实施例提供了一种计算机存储介质，存储有可执行指令，当所述可执行指令被一个或多个处理器执行的时候，所述处理器执行上述一个或多个实施例所述图像的分类方法。