[发明专利]图像分类方法、装置和计算机设备

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

获取图像样本，通过第一池化层对所述图像样本进行k次最小池化，其中k为池化框维度，得到k个最小池化特征值，取平均值得到最小池化平均值；

通过第二池化层对所述图像样本进行平均池化，得到平均池化特征图；其中，第二池化层是对池化框中的数据计算平均值；

根据预先设置的权重，对所述平均池化特征图进行加权，得到每个池化框对应的极端门限值；

若所述最小池化平均值小于所述极端门限值，则舍弃所述池化框中的最小值后进行平均池化，得到图像样本对应的去极端特征图；

利用所述去极端值特征图采用梯度下降算法训练预先构建的图像分类模型，得到训练好的图像分类模型；其中，舍弃位置的数据对应的梯度设置为0；

获取待分类图像的去极端值特征图，将待分类图像的去极端值特征图输入训练好的图像分类模型，得到待分类图像的图像类别。

2.根据权利要求1所述的方法，其特征在于，利用所述去极端值特征图采用梯度下降算法训练预先构建的图像分类模型，得到训练好的图像分类模型，包括：

确定池化框中进行平均池化的数据的池化数量，将反向传播过程的梯度分为所述池化数量的等份；

将每份梯度分给所述去极端值特征图中的数据进行反向传播训练预先构建的图像分类模型，得到训练好的图像分类模型。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取所述池化框中的最小值后，通过最小池化，得到第二小值；

提取最小值和第二小值后，通过最小池化，得到第三小值。

4.一种图像分类装置，其特征在于，所述装置包括：

极端值处理模块，用于获取图像样本，通过第一池化层对所述图像样本中的每个池化框中的数据进行k次最小池化，得到k个最小池化特征值，取平均值得到最小池化平均值；通过第二池化层对所述图像样本进行平均池化，得到平均池化特征图；其中，第二池化层是对池化框中的数据计算平均值；根据预先设置的权重，对所述平均池化特征图进行加权，得到每个池化框对应的极端门限值；若所述最小池化平均值小于所述极端门限值，则舍弃所述池化框中的最小值后进行平均池化，得到图像样本对应的去极端值特征图；

训练模块，用于利用所述去极端值特征图采用梯度下降算法训练预先构建的图像分类模型，得到训练好的图像分类模型；其中，舍弃位置的数据对应的梯度设置为0；

分类模块，用于获取待分类图像的去极端值特征图，将待分类图像的去极端值特征图输入训练好的图像分类模型，得到待分类图像的图像类别。

5.根据权利要求4所述的装置，其特征在于，所述训练模块还用于确定池化框中进行平均池化的数据的池化数量，将反向传播过程的梯度分为所述池化数量的等份；将每份梯度分给所述去极端值特征图中的数据进行反向传播训练预先构建的图像分类模型，得到训练好的图像分类模型。

6.根据权利要求5所述的装置，其特征在于，所述极端值处理模块还用于提取所述池化框中的最小值后，通过最小池化，得到第二小值；提取最小值和第二小值后，通过最小池化，得到第三小值。

7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。