[发明专利]一种多标签图像分类方法、装置、设备和存储介质

权利要求书

1.一种多标签图像分类方法，其特征在于，包括：

响应于图像分类请求，获取待检测图像；

对所述待检测图像进行特征提取得到图像特征；

获取所述待检测图像对应的预置分类器，所述预置分类器是基于图神经网络对训练图像进行标签嵌入后得到的，其中，所述待检测图像和所述训练图像为同一场景图像；

将所述图像特征和所述预置分类器融合，得到所述待检测图像的多标签分类结果。

2.根据权利要求1所述的多标签图像分类方法，其特征在于，所述预置分类器的配置过程具体包括：

通过数据驱动的方式构建所述训练图像中标签之间的相关性，得到所述训练图像的邻接矩阵；

将所述邻接矩阵和所述训练图像的标签特征输入至所述图神经网络，使得所述标签特征在所述图神经网络中按照所述邻接矩阵进行传播；

将所述图神经网络输出的标签结果作为所述预置分类器。

3.根据权利要求2所述的多标签图像分类方法，其特征在于，所述预置分类器的配置过程还包括：

将所述训练图像的训练图像特征和所述预置分类器进行融合，得到所述训练图像的训练分类结果；

将所述训练分类结果输入至多标签分类损失函数后，根据预置优化方法对所述预置分类器进行优化。

4.根据权利要求2所述的多标签图像分类方法，其特征在于，所述预置优化方法包括：梯度下降法。

5.根据权利要求1所述的多标签图像分类方法，其特征在于，对所述待检测图像进行特征提取得到图像特征，具体包括：

通过卷积神经网络对所述待检测图像进行图像特征提取，得到若干待检测图像特征值；

保留大于预设阈值的所述待检测图像特征值，得到图像特征。

6.根据权利要求1所述的多标签图像分类方法，其特征在于，将所述图像特征和所述预置分类器融合，得到所述待检测图像的多标签分类结果，具体包括：

将所述图像特征和所述预置分类器线性结合，得到所述待检测图像的多标签分类结果。

7.根据权利要求1所述的多标签图像分类方法，其特征在于，获取所述待检测图像对应的预置分类器，具体包括：

获取待检测图像的场景信息；

根据所述场景信息和预置分类器的对应关系，确定场景信息对应的所述预置分类器，并将该预置分类器作为所述待检测图像对应的预置分类器。

8.一种多标签图像分类装置，其特征在于，包括：

第一获取单元，被配置为用于响应于图像分类请求，获取待检测图像；

提取单元，被配置为用于对所述待检测图像进行特征提取得到图像特征；

第二获取单元，被配置为用于获取所述待检测图像对应的预置分类器，所述预置分类器是基于图神经网络对训练图像进行标签嵌入后得到的，其中，所述待检测图像和所述训练图像为同一场景图像；

分类单元，用于将所述图像特征和所述预置分类器融合，得到所述待检测图像的多标签分类结果。

9.一种多标签图像分类设备，其特征在于，所述设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1至7中任一项所述的多标签图像分类方法。

10.一种存储介质，其特征在于，所述存储介质用于存储程序代码，所述程序代码用于执行权利要求1至7中任一项所述的多标签图像分类方法。