[发明专利]一种图像分类的实现方法、装置、电子设备和存储介质

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、电子设备和存储介质。其中，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设定类表示项。本发明实施例，通过上述方法，解决了面对复杂图像时，图像分类模型的图像特征表示能力低的问题，实现了图像分类模型分类准确率较高的效果。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种图像分类的实现方法、装置、电子设备和存储介质。

背景技术

随着大数据时代的到来，越来越多的人开始研究图像分类算法。近年来，研究人员提出了大量的图像分类算法，例如，通过机器学习模型实现图像分类。

在相关技术中，例如有支持向量的图像分类方法、基于协同表示的图像分类方法、基于非负表示的图像分类算法等，这些方法面对复杂图像时，图像分类模型的图像特征表示能力低，导致图像分类模型的分类性能较差。

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、电子设备和存储介质，以提高图像分类模型的分类性能。

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设定类表示项，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，所述设定类表示项用于确定所述待分类特征向量与每个设定类别的训练样本的训练特征向量之间的重构误差之和。

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，包括：

图像特征向量获取模块，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设定类表示项，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，所述设定类表示项用于确定所述待分类特征向量与每个设定类别的训练样本的训练特征向量之间的重构误差之和。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

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如本发明实施例中任一所述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如本发明实施例中任一所述的图像分类的实现方法。

本发明实施例所提供的一种图像分类的实现方法，通过将待分类特征向量输入图像分类模型中，并基于所述图像分类模型中的包括常规稀疏表示项和设定类表示项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。解决了面对复杂图像时，图像分类模型的图像特征表示能力低的问题，实现了图像分类模型分类准确率较高的效果。

附图说明