[发明专利]图像分类方法及装置、个性化推荐方法及装置

权利要求书

1.一种图像分类方法，其特征在于，包括以下步骤：

提取待分类图像的全局图像特征；

根据所述待分类图像以及所述待分类图像的全局图像特征，确定所述待分类图像的局部关键区域；

提取所述待分类图像的局部关键区域的图像特征；

根据所述待分类图像的全局图像特征以及所述待分类图像的局部关键区域的图像特征，获取待分类图像的关联特征；

根据所述待分类图像的全局图像特征、所述待分类图像的局部关键区域的图像特征以及所述待分类图像的关联特征，对所述待分类图像进行分类确定分类结果；

所述根据所述待分类图像的全局图像特征以及所述待分类图像的局部关键区域的图像特征，获取待分类图像的关联特征，包括：

对所述待分类图像的全局图像特征进行转置处理，获得转置特征；

将所述转置特征与所述待分类图像的局部关键区域的子图像特征相乘，获得乘积特征；

平均池化所述乘积特征，获得所述待分类图像的关联特征。

2.根据权利要求1所述的图像分类方法，其特征在于，所述根据所述待分类图像以及所述待分类图像的全局图像特征，确定所述待分类图像的局部关键区域的步骤包括：

根据所述待分类图像的全局图像特征，获取所述待分类图像的各子区域分别对应的子图像特征；

获取各所述子区域的子图像特征分别对应的权重；

根据各所述子区域的子图像特征、各所述子区域的子图像特征的权重以及所述待分类图像，确定所述待分类图像的局部关键区域。

3.根据权利要求2所述的图像分类方法，其特征在于，所述获取各所述子区域的子图像特征分别对应的权重的步骤包括：

获取预设高维特征向量；

将各所述子区域的子图像特征分别与所述预设高维特征向量进行合并，获得各所述子区域的组合特征；

将各所述子区域的组合特征分别作为多层感知器的输入，根据所述多层感知器分别进行预测，获得各所述子区域的子图像特征分别对应的权重。

4.根据权利要求1所述的图像分类方法，其特征在于，

所述提取待分类图像的全局图像特征的步骤包括：根据第一卷积神经网络对所述待分类图像进行特征提取，获得所述待分类图像的全局图像特征；

所述提取所述局部关键区域的图像特征的步骤包括：根据第二卷积神经网络对所述待分类图像的局部关键区域进行特征提取，获得所述待分类图像的局部关键区域的图像特征。

5.根据权利要求1所述的图像分类方法，其特征在于，所述根据所述待分类图像的全局图像特征、所述待分类图像的局部关键区域的图像特征以及所述待分类图像的关联特征，对所述待分类图像进行分类的步骤包括：

将所述待分类图像的全局图像特征转化为一维全局图像特征向量，将所述待分类图像的局部关键区域的图像特征转化为一维局部图像特征向量，将所述待分类图像的关联特征转化为一维关联特征向量；

合并所述一维全局图像特征向量、所述一维局部图像特征向量以及所述一维关联特征向量，获得所述待分类图像对应的一维图像合并特征向量；其中，所述一维图像合并特征向量中的元素数量为所述一维全局图像特征向量中的元素数量、所述一维局部图像特征向量的元素数量和所述一维关联特征向量的元素数量之和；

将所述一维图像合并特征向量作为已训练分类模型的输入，根据所述已训练分类模型对所述待分类图像进行分类。

6.一种个性化推荐方法，其特征在于，包括：

获取通过上述权利要求1-5中任意一项所述图像分类方法对所述待分类图像进行分类确定的分类结果；

查找与所述分类结果对应的待推荐信息；

推送所述推荐信息。