[发明专利]图像分类方法、装置及电子设备

说明书

本申请提供了一种图像分类方法、装置、电子设备及计算机可读存储介质；方法包括：接收第一分类任务的分类请求；通过增量图像分类模型对待分类图像进行分类处理；第一分类任务需要识别的类型中至少存在与第二分类任务需要识别的第一基础类型不同的类型，增量图像分类模型是在用于执行第二分类任务的基础图像分类模型的基础上、对基础图像分类模型能够识别的第一背景类型进行区分学习得到的；根据增量图像分类模型能够识别的类型与第一分类任务需要识别的类型之间的映射关系，将增量图像分类模型识别出的类型进行映射处理，得到第一分类任务的分类结果；响应第一分类任务的分类请求。通过本申请，能够高效准确完成带背景类的图像分类任务。

技术领域

本申请涉及人工智能技术，尤其涉及一种图像分类方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能（Artificial Intelligence，AI）是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

人工智能技术中的重要分支是图像识别技术，在涉及到图像识别技术的产品中存在以下应用场景，即在预先完成基础分类任务的情况下，将基础分类任务拓展到其他识别场景，其他识别场景中的新分类任务中的识别目标相对于基础分类任务发生了一定程度的改变，对于如何将基础分类任务学习得到的成熟模型迁移到新分类任务中以取得较好的性能，在相关技术中暂无有效解决办法。

发明内容

本发明实施例提供一种图像分类方法、装置、电子设备及计算机可读存储介质，能够高效准确完成带背景类的图像分类任务。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种图像分类方法，包括：

接收第一分类任务的分类请求；

通过增量图像分类模型对待分类图像进行分类处理；

其中，所述第一分类任务需要识别的类型中至少存在与第二分类任务需要识别的第一基础类型不同的类型，所述增量图像分类模型是在用于执行所述第二分类任务的基础图像分类模型的基础上、对所述基础图像分类模型能够识别的第一背景类型进行区分学习得到的；

根据所述增量分类模型能够识别的类型与所述第一分类任务需要识别的类型之间的映射关系，将所述增量图像分类模型识别出的类型进行映射处理，得到所述第一分类任务的分类结果；

基于所述第一分类任务的分类结果响应所述第一分类任务的分类请求。

在上述方案中，所述通过增量图像分类模型对待分类图像进行分类处理，包括：

通过所述增量图像分类模型对所述待分类图像进行特征提取处理，得到所述待分类图像的特征图；

通过所述增量图像分类模型对所述待分类图像的特征图进行池化处理，得到所述待分类图像的嵌入特征；

通过所述增量图像分类模型，对所述待分类图像进行分类处理，以得到所述待分类图像为每个第一基础类型、每个第二基础类型以及第二背景类型的概率；

将具有最大概率的类型确定为所述增量图像分类模型识别出的所述待分类图像的类型。

在上述方案中，所述将所述第一背景类型的图像样本在所述增量图像分类模型中进行正向传播，得到所述第一背景类型的图像样本属于每个所述第二基础类型的概率，包括：

通过所述增量图像分类模型对所述第一背景类型的图像样本进行特征提取处理，得到所述第一背景类型的图像样本的特征图；