[发明专利]一种基于图像的物体分类方法、系统及电子设备

摘要

本发明提供一种基于图像的物体分类方法，该方法通过获取具有粗分类模型的神经网络，将多种细分类模型调整至对应的粗分类模型下，分别保存待分类物体的粗分类、细分类特征向量作为检索底库，输入具有待分类物体的第一图像，获得n张与所述第一图像相似度大于第一阈值的第二图像，在n张第二图像内进行筛选，进一步获得m张与所述第一图像相似度大于第二阈值的第三图像，在m张第三图像的特征向量中进行测距筛选，获得待分类物体的分类结果，提高了模型的分类效率，使得当神经网络需要识别新的种类时，只需要通过将新种类的特征向量进行存储即可进行识别分类，避免了对神经网络的重新训练，降低了对大量学习样本的依赖。

主权项

1.一种基于图像的物体分类方法，其特征在于，包括如下步骤:步骤S1：获取具有粗分类模型的神经网络；步骤S2：获取多种细分类模型，并将多种细分类模型调整至对应的粗分类模型下；步骤S3：分别保存预设的待分类物体的粗分类特征向量、细分类特征向量作为检索底库；步骤S4：输入具有待分类物体的第一图像，获得n张与所述第一图像相似度大于第一阈值的第二图像；步骤S5：在n张第二图像内进行筛选，进一步获得m张与所述第一图像相似度大于第二阈值的第三图像；及步骤S6：对比m张第三图像对应的细分类特征向量与第一图像中待分类物体的细分类特征向量之间的距离，以获得待分类物体的分类结果。