[发明专利]一种图像分类方法、装置、电子设备及存储介质

权利要求书

1.一种图像分类方法，其特征在于，该方法包括：

提取待处理图像的类别特征，并对所述待处理图像的类别特征进行线性变换，获得所述待处理图像的类别特征向量；

根据各预设类别特征向量与所述待处理图像的类别特征向量之间的相对熵，从预设类别特征向量中选择至少一个目标类别特征向量；

根据所述预设类别特征向量与预设类别的对应关系，确定所述目标类别特征向量对应的预设类别。

2.根据权利要求1所述的方法，其特征在于，提取待处理图像的类别特征，并对所述待处理图像的类别特征进行线性变换，获得所述待处理图像的类别特征向量，包括：

将所述待处理图像输入训练后的神经网络模型的输入层，通过所述输入层以及所述训练后的神经网络模型的隐含层提取所述待处理图像的类别特征；

通过所述训练后的神经网络模型的输出层对所述待处理图像的类别特征进行线性变换，所述输出层输出所述待处理图像的类别特征向量。

3.根据权利要求2所述的方法，其特征在于，通过以下方式训练得到所述训练后的神经网络模型：

将样本图像以及所述样本图像的实际类别对应的特征向量作为输入，将预测结果作为输出，将所述预测结果和所述实际类别对应的特征向量之间的相对熵作为优化函数，对初始神经网络模型进行训练得到所述训练后的神经网络模型。

4.根据权利要求1所述的方法，其特征在于，根据各预设类别特征向量与所述待处理图像的类别特征向量之间的相对熵，从预设类别特征向量中选择至少一个目标类别特征向量，包括：

将所述预设类别特征向量按照相对熵由小到大进行排序，确定各预设类别特征向量的排位；

将在第一预设排位前的预设类别特征向量作为所述目标类别特征向量。

5.根据权利要求4所述的方法，其特征在于，若所述目标类别特征向量的数量为多个，则确定所述目标类别特征向量对应的预设类别之后，还包括：

通过预设通知方式发送所有目标类别特征向量对应的预设类别；

响应接收到的类别选择指令，将所述类别选择指令中包含的目标类别特征向量对应的预设类别作为所述待处理图像的目标类别。

6.根据权利要求3所述的方法，其特征在于，所述实际类别对应的特征向量通过以下方式得到：

将所述样本图像的实际类别作为训练后的变压器的双向编码器表示BERT模型的输入，输出结果作为所述实际类别对应的特征向量。

7.根据权利要求6所述的方法，其特征在于，通过以下方式获得所述样本图像：

根据所有历史图像的实际类别，确定相同实际类别对应的历史图像的数量；

将所述相同实际类别按照数量由多到少进行排序，确定各相同实际类别的排位，以及将在第二预设排位前的相同实际类别对应的历史图像作为所述样本图像。

8.一种图像分类装置，其特征在于，该装置包括：

向量获得单元，用于提取待处理图像的类别特征，并对所述待处理图像的类别特征进行线性变换，获得所述待处理图像的类别特征向量；

向量选择单元，用于根据各预设类别特征向量与所述待处理图像的类别特征向量之间的相对熵，从预设类别特征向量中选择至少一个目标类别特征向量；

图像分类单元，用于根据所述预设类别特征向量与预设类别的对应关系，确定所述目标类别特征向量对应的预设类别。

9.一种电子设备，其特征在于，包括一个或多个处理器，以及用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1～7中任一项所述的图像分类方法。

10.一种存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1～7中任一项所述的图像分类方法。