[发明专利]一种图像分类方法、系统及应用该系统的终端设备

说明书

本申请涉及一种图像分类方法、系统和应用该系统的移动终端。本系统包括：图像预处理层对图像进行处理；第一标准空间卷积层接收并根据处理后的图像进行特征提取，输出第一特征图像；深度可分离卷积层接收并根据第一特征图像再次进行特征提取，输出第二特征图像；可变形卷积层接收并根据第二特征图像的像素点增加随机形变量，输出第三特征图像；第二标准空间卷积层接收第三特征图像并进行特征提取，输出特征向量；全连接层接收并将特征向量拟合到相应的类别上，并输出各个特征向量的表征；图像分类层接收表征并利用Softmax计算各类别的置信度，置信度最高的类别标签为图像所属类别。实现了在移动终端高速高精度的离线图像分类。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种图像分类方法、系统和应用该系统的移动终端。

背景技术

随着计算机视觉的蓬勃发展，图像分类算法的研究日趋成熟，大量基于深度学习的图像分类算法出现，对于不同的算法模型，其应用场景是有所区别的，但是选择的指标主要集中在对准确率和时间花费方面。

同时，随着智能手机的发展，将图像分类算法模型应用于智能移动终端已经成为了一个趋势，为了解决在移动终端使用智能软件过程中受到网络环境的约束情况，大量研究正在尝试将模型移植到移动端进行离线运行。

现有技术中，高精度的图像分类算法大多不够轻量，在某些特别的场景，如：手机端离线运行的时间花费长；同时现存的轻量型模型，参数量小，运行速度可以满足要求，但在准确率等评估指标上还难以满足工业应用的需求。

针对上述技术问题，还没有提出一种解决方案。

发明内容

本申请实施例提供了一种图像分类方法、系统及应用该系统的移动终端，本发明结合现有高精度以及轻量型图像分类模型的特点，进行一系列的改进，构造出一个能够于移动终端离线运行，且具有较高分类精度以及较快推理速度的图像分类模型。

本发明提供一种适合在移动端设备中离线运行的图像分类算法模型，此模型具有高精度且轻量性的特点，使得图像分类技术可以更好的应用于对分类的精度及推理速度要求较高，且算力有限的移动端设备中。

第一方面，本申请实施例提供了一种图像分类系统，包括：

图像预处理层：用于对图像进行处理；

第一标准空间卷积层：接收并根据处理后的所述图像进行特征提取，并输出第一特征图像；

深度可分离卷积层：接收并根据所述第一特征图像再次进行特征提取，并输出第二特征图像；

可变形卷积层：接收并根据所述第二特征图像的像素点增加随机形变量，并输出第三特征图像；

第二标准空间卷积层：接收所述第三特征图像并进行特征提取，输出特征向量；

全连接层：接收并将所述特征向量拟合到相应的类别上，并输出各个所述特征向量的表征；

图像分类层：接收所述表征并利用Softmax计算各所述类别的置信度，所述置信度最高的类别标签为所述图像所属类别。

在其中一些实施例中，所述可变形卷积层在所述第二特征图像的所述像素点的原有位置上增加任一方向的偏移量，利用双线性插值得到所述偏移量为：

其中，p_x为变量在X方向上的坐标，p_y为所述变量在y方向上的坐标，q_x为另一变量在X方向上的坐标，q_y为所述另一变量在y方向上的坐标，x(q)为特征图像上所有整数点的取值，x(p)＝X(P₀+P_n+ΔP_n)表示加上偏移之后所有小数点的取值。