[发明专利]图像分类模型的建立方法、建立装置和设备

权利要求书

1.一种图像分类模型的建立方法，其特征在于，包括：

针对多种训练样本图像，按种类提取每张训练样本图像的特征向量；

根据所述特征向量，计算所述多种训练样本图像中的每种训练样本图像的特征均值；

根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型；

所述图像分类模型的每一层包括至少一个节点分类器，所述根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型，具体包括：

当训练所述图像分类模型的任一节点分类器时，判断被训练的节点分类器是否有下一层节点分类器；

若判定所述被训练的节点分类器没有下一层节点分类器，则将所述被训练的节点分类器训练成底层分类器；

若判定所述被训练的节点分类器有下一层节点分类器，则对所述被训练的节点分类器的识别种类的图像的特征均值进行聚类来确定所述被训练的节点分类器的每个下一层节点分类器的识别种类，以对所述每个下一层节点分类器进行训练。

2.根据权利要求1所述的图像分类模型的建立方法，其特征在于，所述判断被训练的节点分类器是否有下一层节点分类器，具体包括：

获取所述被训练的节点分类器的识别种类数和种类阈值；

根据所述被训练的节点分类器的识别种类数和种类阈值，计算所述被训练的节点分类器的聚类中心个数；

根据所述被训练的节点分类器的聚类中心个数和识别种类数，判断所述被训练的节点分类器是否有下一层节点分类器；以及

在判定所述被训练的节点分类器有下一层节点分类器的情况下，所述被训练的节点分类器的下一层节点分类器的个数等于所述聚类中心个数。

3.根据权利要求2所述的图像分类模型的建立方法，其特征在于，所述根据所述被训练的节点分类器的识别种类数和种类阈值，计算所述被训练的节点分类器的聚类中心个数，具体包括：

通过以下公式计算所述聚类中心个数，

其中，K_i表示被训练的第i个节点分类器的聚类中心个数，ceil()为取整公式，N_i表示被训练的第i个节点分类器的识别种类数，T_i表示被训练的第i个节点分类器的种类阈值。

4.根据权利要求1所述的图像分类模型的建立方法，其特征在于，所述判断被训练的节点分类器是否有下一层节点分类器，具体包括：

获取所述被训练的节点分类器的识别种类数和/或识别率；

通过判断所述被训练的节点分类器的识别种类数和/或识别率是否在预设范围内，来判断所述被训练的节点分类器是否有下一层节点分类器。

5.根据权利要求1至4中任一项所述的图像分类模型的建立方法，其特征在于，所述特征向量为BOW特征向量。

6.一种图像分类模型的建立装置，其特征在于，包括：

提取单元，用于针对多种训练样本图像，按种类提取每张训练样本图像的特征向量；

计算单元，用于根据所述特征向量，计算所述每种训练样本图像的特征均值；

建立单元，用于根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型；

所述图像分类模型的每一层包括至少一个节点分类器，所述建立单元包括：

判断子单元，用于当训练所述图像分类模型的任一节点分类器时，判断被训练的节点分类器是否有下一层节点分类器；

训练子单元，用于若所述判断子单元判定所述被训练的节点分类器没有下一层节点分类器，则将所述被训练的节点分类器训练成底层分类器；

所述训练子单元还用于，若所述判断子单元判定所述被训练的节点分类器有下一层节点分类器，则对所述被训练的节点分类器的识别种类的图像的特征均值进行聚类来确定所述被训练的节点分类器的每个下一层节点分类器的识别种类，以对所述每个下一层节点分类器进行训练。