[发明专利]一种图像分类的实现方法、装置、设备和介质

说明书

本发明实施例公开了一种图像分类的实现方法、装置、设备和介质。该方法包括：获取待分类图像的特征向量，作为待分类特征向量；将所述待分类特征向量输入图像分类模型，基于所述图像分类模型的目标函数计算所述待分类特征向量的稀疏表示向量，且根据所述稀疏表示向量确定所述待分类图像的类别；其中，所述目标函数包括常规稀疏表示项和稀疏约束项，所述常规稀疏表示项用于确定所述待分类特征向量与所述图像分类模型的所有训练样本的训练特征向量之间的重构误差，所述稀疏约束项用于确定各所述训练特征向量之间的分类关系。本发明实施例解决了传统分类算法不能调整图像表示稀疏程度的问题，提高了图像分类准确率。

技术领域

本发明实施例涉及图像分类处理技术，尤其涉及一种图像分类的实现方法、装置、设备和介质。

背景技术

近年来，基于向量表示的图像分类方法的应用，已经在人脸识别和对象分类等任务中得到了广泛的研究，有效的图像向量表示在构建高性能的分类算法中至关重要。

传统的基于向量表示的图像分类算法不能在复杂的优化解中明确地避免负编码系数，基于非负表示的分类算法由于将编码系数中的负值置零，从而减小训练样本在测试样本表示过程中起到的负作用，一定程度上实现了编码的稀疏性。但是，这种稀疏程度是无法控制和调整的，从而降低了图像分类的准确率。

发明内容

本发明实施例提供一种图像分类的实现方法、装置、设备和介质，以实现对图像的精准、高效分类。

第一方面，本发明实施例提供了一种图像分类的实现方法，包括：

获取待分类图像的特征向量，作为待分类特征向量；

将所述待分类特征向量输入图像分类模型，基于所述图像分类模型的目标函数计算所述待分类特征向量的稀疏表示向量，且根据所述稀疏表示向量确定所述待分类图像的类别；

其中，所述目标函数包括常规稀疏表示项和稀疏约束项，所述常规稀疏表示项用于确定所述待分类特征向量与所述图像分类模型的所有训练样本的训练特征向量之间的重构误差，所述稀疏约束项用于确定各所述训练特征向量之间的分类关系。

第二方面，本发明实施例还提供了一种图像分类的实现装置，该装置包括：

特征向量获取模块，用于获取待分类图像的特征向量，作为待分类特征向量；

图像类别确定模块，用于将所述待分类特征向量输入图像分类模型，基于所述图像分类模型的目标函数计算所述待分类特征向量的稀疏表示向量，且根据所述稀疏表示向量确定所述待分类图像的类别；

其中，所述目标函数包括常规稀疏表示项和稀疏约束项，所述常规稀疏表示项用于确定所述待分类特征向量与所述图像分类模型的所有训练样本的训练特征向量之间的重构误差，所述稀疏约束项用于确定各所述训练特征向量之间的分类关系。

第三方面，本发明实施例还提供了一种图像分类的实现设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的图像分类的实现方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的图像分类的实现方法。

本发明实施例通过在基于非负表示的分类算法的目标函数的基础上新加入稀疏约束项，解决了基于非负表示的分类算法图像表示的稀疏度低且不易控制的问题，从而使非负相关的训练特征向量更多地参与模型分类计算，负相关的训练特征向量更少地参与模型分类计算，保证了稀疏拟合效果，提高了图像分类的准确率。

附图说明