[发明专利]图像分类方法、装置及存储介质

权利要求书

1.一种图像分类方法，其特征在于，包括：

获取包含至少一个目标对象的图像；

调用图像分类模型中第一模块对所述目标对象进行特征提取，获得所述目标对象的第一特征；

调用图像分类模型中第二模块对所述第一特征进行分类处理，获得所述图像的类别；

其中，所述图像分类模型通过多个训练样本训练得到，每个训练样本包括样本图像中每个目标样本对象的局部样本子图像、以及每个样本图像对应的全局类别标签。

2.根据权利要求1所述的图像分类方法，其特征在于，所述调用图像分类模型中第一模块对所述目标对象进行特征提取，获得目标对象的第一特征步骤之前，所述方法还包括：

获得所述目标对象的属性信息；

基于所述属性信息对所述目标对象进行采样处理，获得所述目标对象的局部子图像，所述局部子图像至少包括所述目标对象所在区域。

3.根据权利要求2所述的图像分类方法，其特征在于，所述属性信息包括对象的中心位置和尺寸，所述基于所述属性信息对所述目标对象进行采样处理，获得所述目标对象的局部子图像包括：

根据所述对象的尺寸，确定所述目标对象中各尺寸维度的采样倍率；

基于所述对象的尺寸和对应的采样倍率，确定所述目标对象的采样尺寸；

获取所述目标对象中各尺寸维度的采样点数量，并基于所述目标对象的采样点数量和采样尺寸，确定所述目标对象在对应尺寸维度下的采样间距；

基于所述目标对象的采样间距、采样点数量和中心位置，对所述目标对象进行采样处理，获得所述目标对象的局部子图像。

4.根据权利要求3所述的图像分类方法，其特征在于，所述调用图像分类模型中第一模块对所述目标对象进行特征提取，获得所述目标对象的第一特征包括：

将所述目标对象的局部子图像输入至图像分类模型中第一模块，利用所述第一模块对所述局部图像进行特征提取，获得所述目标对象的第一特征。

5.根据权利要求1-4任一所述的图像分类方法，其特征在于，所述第二模块包括注意力单元、融合单元和分类单元，所述调用图像分类模型中第二模块对所述第一特征进行分类处理，获得所述图像的类别包括：

调用所述第二模块中注意力单元，对所述目标对象的第一特征进行注意力映射，确定所述目标对象的目标权重值；所述目标权重值的大小与所述目标对象属于目标类别的概率成正比；

调用所述第二模块中融合单元，对所述目标对象的第一特征和目标权重值进行融合处理，确定所述图像的第二特征；

调用所述第二模块中分类单元，对所述图像的第二特征进行分类处理，确定所述图像的类别。

6.根据权利要求5所述的图像分类方法，其特征在于，所述注意力单元包括第一全连接层和激活层，所述调用所述第二模块中注意力单元，对所述目标对象的第一特征进行注意力映射，确定所述目标对象的目标权重值包括：

将所述目标对象的第一特征输入至所述第一全连接层，获得所述目标对象的初始权重值；

调用所述激活层对所述初始权重值进行归一化处理，获得所述目标对象的目标权重值。

7.根据权利要求5所述的图像分类方法，其特征在于，所述融合单元包括处理层和融合层，所述调用所述第二模块中融合单元，对所述目标对象的第一特征和目标权重值进行融合处理，确定所述图像的第二特征包括：

调用所述处理层对所述目标对象的第一特征和目标权重值进行加权处理，获得所述目标对象的第三特征；

调用所述融合层对所述第三特征进行融合处理，获得所述图像的第二特征。

8.根据权利要求5所述的图像分类方法，其特征在于，所述分类单元包括第二全连接层，所述调用所述第二模块中分类单元，对所述图像的第二特征进行分类处理，确定所述图像的类别包括：

将所述第二特征输入至所述第二全连接层；

利用所述第二全连接层对所述第二特征进行分类处理，确定所述图像的类别。