[发明专利]一种图片分类的方法、装置、设备及存储介质

权利要求书

1.一种图片分类方法，其特征在于，包括：

根据待分类图片的全局信息，确定所述待分类图片的全局图片类别；

根据所述待分类图片的局部信息，确定所述待分类图片的图片主题类别；

根据所述全局图片类别和所述图片主题类别，确定所述待分类图片的图片分类结果。

2.根据权利要求1所述的方法，其特征在于，根据待分类图片的局部信息，确定所述待分类图片的图片主题类别，包括：

根据待分类图片的局部信息，确定所述待分类图片的主题语义文本；

根据所述主题语义文本，得到所述待分类图片的图片主题类别。

3.根据权利要求2所述的方法，其特征在于，根据待分类图片的局部信息，确定所述待分类图片的主题语义文本，包括：

将所述待分类图片划分为至少两个局部区域图片；

将当前局部区域图片以及上一局部区域图片的主题语义文本输入到图片主题语义模型中的局部特征提取模块，确定叠加局部区域的嵌入向量；其中，所述叠加局部区域包括所述当前局部区域图片以及在所述当前局部区域图片之前各局部区域图片；

将所述嵌入向量输入到所述图片主题语义模型中的语义信息描述模块，确定所述叠加局部区域的主题语义文本。

4.根据权利要求2所述的方法，其特征在于，根据所述主题语义文本，得到所述待分类图片的图片主题类别，包括：

将所述主题语义文本输入到预先训练的语言预训练模型中，得到标准主题语义文本；

将所述标准主题语义文本输入到预先训练的文本分类模型中，得到所述待分类图片的图片主题类别。

5.根据权利要求1所述的方法，其特征在于，根据所述全局图片类别和所述图片主题类别，确定所述待分类图片的图片分类结果，包括：

根据确定所述全局图片类别的图片分类神经网络模型，得到所述全局图片类别的第一概率；

根据所述图片主题语义模型，得到所述图片主题类别的第二概率；

比较所述第一概率和所述第二概率，确定所述待分类图片的图片分类结果。

6.根据权利要求5所述的方法，其特征在于，所述图片分类神经网络模型为基于深度学习构造的图片分类神经网络模型。

7.根据权利要求5所述的方法，其特征在于，在根据所述图片主题语义模型，得到所述图片主题类别的第二概率之后，还包括：

根据所述第一概率、所述第二概率以及预设的概率权重，确定所述待分类图片的第一概率权重结果和第二概率权重结果；

比较所述第一概率权重结果和第二概率权重结果，确定所述待分类图片的图片分类结果。

8.根据权利要求5所述的方法，其特征在于，比较所述第一概率和所述第二概率，确定所述待分类图片的图片分类结果，包括：

若所述第一概率和所述第二概率的差值超过预设差值，则将所述第一概率和所述第二概率中概率值大的对应类别作为所述待分类图片的图片分类结果；

若所述第一概率和所述第二概率的差值在预设差值内，则将所述全局图片类别和所述图片主题类别作为所述待分类图片的图片分类结果。

9.一种图片分类装置，其特征在于，包括：

全局类别确定模块，用于根据待分类图片的全局信息，确定所述待分类图片的全局图片类别；

主题类别确定模块，用于根据待分类图片的局部信息，确定所述待分类图片的图片主题类别；

分类结果确定模块，用于根据所述全局图片类别和所述图片主题类别，确定所述待分类图片的图片分类结果。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的图片分类方法。

11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的图片分类方法。