[发明专利]一种图像分类方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种图像分类方法、装置、设备及计算机可读存储介质，包括预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；将经过多尺度图像演化后的待分类图像输入分类器，得到各尺度下的待分类图像被分类到的各个类别的概率分布结果；根据所有的概率分布结果，确定待分类图像被分类到的各个类别的平均概率；将平均概率最大的类别作为待分类图像的类别。本申请在能够成功地将对抗图像进行分类的基础上，由于在对分类器的训练过程中采用了经过多尺度图像演化的正常训练图像进行训练，因此即使待分类图像为正常图像，分类器也不会受到图像演化的干扰，能够具有较高的分类成功率。

技术领域

本发明涉及图像分类领域，特别是涉及一种图像分类方法，本发明还涉及一种图像分类装置、设备及计算机可读存储介质。

背景技术

图像分类技术在自动驾驶以及医疗辅助系统等领域具有广泛应用，但是有不少不法份子通过对正常图像进行攻击使其成为对抗图像，对抗图像对于肉眼来说与正常图像没有什么区别，但是对于分类器来说，对抗图像很容易被分类错误，现有技术中没有一种成熟的能够分类对抗图像的图像分类方法，因此存在严重的安全隐患。

因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。

发明内容

本发明的目的是提供一种图像分类方法，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高；本发明的另一目的是提供一种图像分类装置、设备及计算机可读存储介质，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高。

为解决上述技术问题，本发明提供了一种图像分类方法，包括：

预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；

将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果；

根据所有的所述概率分布结果，确定所述待分类图像被分类到的各个类别的平均概率；

将所述平均概率最大的类别作为所述待分类图像的类别。

优选地，所述正常训练图像包括：

MNIST数据集、CIFAR10数据集以及ImageNet-10数据集。

优选地，所述将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果具体为：

将经过多尺度图像演化后的预设数目个尺度下的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果。

优选地，所述将所述平均概率最大的类别作为所述待分类图像的类别之后，该图像分类方法还包括：

判断所述待分类图像是否为对抗图像。

优选地，所述判断所述待分类图像是否为对抗图像之后，该图像分类方法还包括：

提示判断结果。

优选地，所述判断所述待分类图像是否为对抗图像具体为：

根据所述概率分布结果，确定出所述待分类图像被分类到同一类别的概率在各个尺度间的波动范围；

若最大的所述波动范围大于预设阈值，确定所述待分类图像为对抗图像；

若最大的所述波动范围小于预设阈值，确定所述待分类图像为正常图像。

为解决上述技术问题，本发明还提供了一种图像分类装置，包括：

预设模块，用于预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；