[发明专利]图像分类方法、装置、电子设备及存储介质

说明书

本申请公开了一种图像分类方法、装置、电子设备及存储介质，涉及图像处理技术领域。其中，该方法包括：将具有不同尺度的多个子图像分别输入对应尺度下的第一神经网络模型，获取各第一神经网络模型的输出层输出的第一特征向量，所述多个子图像根据待分类的目标图像转换生成；通过特征金字塔网络算法，获取所述目标图像在不同尺度下的特征融合图；将每一尺度下的特征融合图输入对应尺度的第二神经网络模型，获取各第二神经网络模型的输出层输出的第二特征向量；根据所述第一特征向量以及第二特征向量的融合结果进行分类，获取所述目标图像所属类别，从而，对于不同尺度的目标图像，都可以进行分类。

技术领域

本申请涉及图像处理技术领域，更具体地，涉及一种图像分类方法、装置、电子设备及存储介质。

背景技术

电子设备对于采集的图像，可以进行分类，即确定图像所属类别。现有技术中，电子设备进行分类的图像通常为单一尺度的图像，无法对在实际应用过程中可能采集到的各种不同尺度图像进行分类。

发明内容

鉴于上述问题，本申请提出了一种图像分类方法、装置、电子设备及存储介质，以改善上述问题。

第一方面，本申请实施例提供了一种图像分类方法，所述方法包括：将具有不同尺度的多个子图像分别输入对应尺度下的第一神经网络模型，获取各第一神经网络模型的输出层输出的第一特征向量，所述多个子图像根据待分类的目标图像转换生成；通过特征金字塔网络算法，获取所述目标图像在不同尺度下的特征融合图；将每一尺度下的特征融合图输入对应尺度的第二神经网络模型，获取各第二神经网络模型的输出层输出的第二特征向量，所述第二神经网络模型与所述第一神经网络模型不同；根据所述第一特征向量以及第二特征向量的融合结果进行分类，获取所述目标图像所属类别。

第二方面，本申请实施例提供了一种图像分类装置，所述装置包括：第一处理模块，用于将具有不同尺度的多个子图像分别输入对应尺度下的第一神经网络模型，获取各第一神经网络模型的输出层输出的第一特征向量，所述多个子图像根据待分类的目标图像转换生成；融合模块，用于通过特征金字塔网络算法，获取所述目标图像在不同尺度下的特征融合图；第二处理模块，用于将每一尺度下的特征融合图输入对应尺度的第二神经网络模型，获取各第二神经网络模型的输出层输出的第二特征向量，所述第二神经网络模型与所述第一神经网络模型不同；分类模块，用于根据所述第一特征向量以及第二特征向量的融合结果进行分类，获取所述目标图像所属类别。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储器；一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序被所述处理器执行用于执行上述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述的方法。

本申请实施例提供的图像分类方法、装置、电子设备及存储介质，待分类的目标图像采样生成多个不同尺度的子图像，并通过对应尺度的第一神经网络模型输出第一特征向量；将目标图像通过特征金字塔网络算法获得的在不同尺度下的特征融合图，输入对应尺度的第二神经网络模型，获取第二神经网络模型输出的第二特征向量。根据第一特征向量以及第二特征向量的融合结果进行分类，确定目标图像的类别。从而，对于不同尺度的目标图像，都可以通过转换为多种不同尺度的子图像以及获取不同尺度的特征融合图，根据对子图像以及特征图的处理结果进行分类。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请一实施例提供的图像分类方法的流程图。