[发明专利]一种图像分类方法、装置、计算机设备和存储介质

说明书

本公开提供了一种图像分类方法、装置、计算机设备和存储介质，其中，该方法包括：基于待处理的目标图像，确定目标图像对应的第一数量的初始图像块以及每个初始图像块对应的图像块特征；针对每个初始图像块，基于初始图像块的图像块特征，确定初始图像块对应的重要度信息；基于每个初始图像块对应的重要度信息，对第一数量的初始图像块分别对应的图像块特征进行聚合，得到第二数量的目标图像块以及每个目标图像块对应的图像块特征；第二数量小于第一数量；基于每个目标图像块对应的图像块特征，确定目标图像的图像分类结果。本公开实施例能够提高神经网络的推理速度。

技术领域

本公开涉及计算机视觉技术领域，具体而言，涉及一种图像分类方法、装置、计算机设备和存储介质。

背景技术

为了提高神经网络的网络推理速度，实现高效率的图像分类预测，现有技术中通常使用对神经网络进行剪枝的方式，例如，减少神经网络的网络层数或神经网络中的网络层提取的特征的数量，得到轻量的神经网络，并利用得到的轻量的神经网络对图像进行处理，以达到提高网络推理速度，实现高效率的图像分类预测的目的。

但是，通过对神经网络进行剪枝的方式来提高网络推理速度的效果并不明显，并且还会降低神经网络的预测精度。

发明内容

本公开实施例至少提供一种图像分类方法、装置、计算机设备和存储介质。

第一方面，本公开实施例提供了一种图像分类方法，包括：

基于待处理的目标图像，确定所述目标图像对应的第一数量的初始图像块以及每个初始图像块对应的图像块特征；

针对每个所述初始图像块，基于所述初始图像块的图像块特征，确定所述初始图像块对应的重要度信息；

基于每个所述初始图像块对应的重要度信息，对所述第一数量的初始图像块分别对应的图像块特征进行聚合，得到第二数量的目标图像块以及每个目标图像块对应的图像块特征；所述第二数量小于所述第一数量；

基于每个所述目标图像块对应的图像块特征，确定所述目标图像的图像分类结果。

该实施方式，通过确定能够表征每个初始图像块对输出的分类结果的影响程度的重要度信息，对第一数量的初始图像块分别对应的图像块特征进行聚合，能够实现对冗余的图像块特征的去除；例如，去除对输出的分类结果的影响程度极小或者不存在影响程度的图像块特征；从而，得到决定着输出的分类结果的第二数量的目标图像块对应的图像块特征。再利用第二数量的目标图像块对应的图像块特征，确定目标图像的图像分类结果；既有效保证确定的图像分类结果的准确性，还由于第二数量小于第一数量，所以减少了需要处理的图像块特征的数量，从而有效提高了推理速度，避免了剪枝操作带来的预测降低的缺陷。

在一种可能的实施方式中，所述针对每个所述初始图像块，基于所述初始图像块的图像块特征，确定所述初始图像块对应的重要度信息，包括：

针对每个所述初始图像块，对所述初始图像块对应的图像块特征进行编码处理，得到所述初始图像块对应的编码特征；

基于每个所述初始图像块对应的编码特征，确定所述初始图像块对应的重要度信息。

该实施方式，通过目标编码模块的编码处理，能够实现对图像块特征的降维处理，得到小数据量的、便于处理的编码特征，进一步的，基于对便于处理的编码特征的处理，有利于准确确定出初始图像块对应的重要度信息。

在一种可能的实施方式中，所述基于每个所述初始图像块对应的编码特征，确定所述初始图像块的重要度信息，包括：

对所述每个初始图像块对应的编码特征进行归一化处理，得到归一化处理后的编码特征；

对所述归一化处理后的编码特征进行全连接映射处理，得到第一中间特征；其中，所述第一中间特征对应的特征维度小于所述编码特征对应的特征维度；