[发明专利]图像分类方法、装置、存储介质及设备

说明书

本申请实施例公开了一种图像分类方法、装置、存储介质及设备，属于计算机技术领域。所述方法包括：获取待分类的图像；根据所述图像生成特征图；根据每个类别在所述特征图中对应的注意力区域对所述特征图进行聚合，得到每个类别的特征向量；根据每个类别的特征向量确定所述图像所属的类别。本申请实施例可以提高图像分类的准确率。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种图像分类方法、装置、存储介质及设备。

背景技术

对图像进行分类后，可以对图像设置类别标签，从而可以通过类别标签来实现对图像的检索。近年来，如何对图像进行分类成为人们关注的热点。

相关技术中，在获取到图像后，先根据该图像得到特征图；再基于最大池化或平均池化对该特征图进行聚合，得到特征向量；最后根据该特征向量确定该图像所属的类别。

基于最大池化的聚合方式往往考虑的是图像中的一小块区域，而忽略了其它区域对分类的影响，从而影响图像分类的准确率；并且，图像中往往包含与类别无关的杂乱背景，基于平均池化的聚合方式会在特征向量中引入噪声，从而影响图像分类的准确率。

发明内容

本申请实施例提供了一种图像分类方法、装置、存储介质及设备，用于解决基于最大池化和平均池化进行特征聚合时，图像分类的准确率较低的问题。所述技术方案如下：

一方面，提供了一种图像分类方法，所述方法包括：

获取待分类的图像；

根据所述图像生成特征图；

根据每个类别在所述特征图中对应的注意力区域对所述特征图进行聚合，得到每个类别的特征向量；

根据每个类别的特征向量确定所述图像所属的类别。

一方面，提供了一种图像分类装置，所述装置包括：

获取模块，用于获取待分类的图像；

生成模块，用于根据所述获取模块得到的所述图像生成特征图；

聚合模块，用于根据每个类别在所述特征图中对应的注意力区域对所述特征图进行聚合，得到每个类别的特征向量；

确定模块，用于根据所述聚合模块得到的每个类别的特征向量确定所述图像所属的类别。

一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的图像分类方法。

一方面，提供了一种图像分类设备，所述图像分类设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的图像分类方法。

本申请实施例提供的技术方案的有益效果至少包括：

由于每个类别在图像中所关注的区域是不同的，所以，通过确定每个类别在特征图中的注意力区域，再根据该注意力区域对该特征图进行聚合，这样，得到的每个类别的特征向量与其所关注的注意力区域相关，再根据该特征向量确定图像所属的分类，可以避免基于最大池化或平均池化进行聚合时，图像分类的准确率低的问题，从而提高了图像分类的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据部分示例性实施例示出的一种图像的示意图；

图2是根据部分示例性实施例示出的一种机器学习模型的结构示意图；