[发明专利]图像分类方法、装置、设备及存储介质

权利要求书

1.一种图像分类方法，其特征在于，包括：

获取训练集，所述训练集包括原始样本图像对应的全局特征图和从所述原始样本图像中截取的目标对象图，所述目标对象图中标注有目标对象所属的类别标签；

构建用于对所述目标对象进行分类的网络模型结构；

根据所述训练集对所述网络模型结构进行训练，得到训练好的目标分类模型。

2.根据权利要求1所述的方法，其特征在于，所述获取训练集，包括：

获取原始样本图像；

通过预设目标检测模型，检测所述原始样本图像中是否包含目标对象；

若确定包含所述目标对象，从所述原始样本图像中截取出对应的目标对象图，在所述目标对象图中标注所述目标对象所属的类别标签。

3.根据权利要求2所述的方法，其特征在于，所述获取训练集，包括：

确定包含所述目标对象后，记录所述预设目标检测模型检测过程中获得的所述原始样本图像对应的全局特征图；

将所述全局特征图和标注后的所述目标对象图组成训练集中的一组样本数据。

4.根据权利要求1所述的方法，其特征在于，所述构建用于对所述目标对象进行分类的网络模型结构，包括：

基于预设分类模型，构建目标特征处理分支；

将第一卷积层和第二卷积层连接，得到全局特征处理分支；

将所述目标特征处理分支和所述全局特征处理分支均与拼接层连接；

将所述拼接层与池化层和全连接层依次连接，得到用于对所述目标对象进行分类的网络模型结构。

5.根据权利要求4所述的方法，其特征在于，所述根据所述训练集对所述网络模型结构进行训练，包括：

从所述训练集中获取目标对象图及其对应的全局特征图；

根据所述目标对象图及其对应的所述全局特征图，通过所述网络模型结构识别所述目标对象图中的目标对象属于各个类别标签的预测概率；

根据所述目标对象属于各个类别标签的预测概率，通过预设损失函数计算当前训练周期的损失值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标对象图及其对应的所述全局特征图，通过所述网络模型结构识别所述目标对象图中的目标对象属于各个类别标签的预测概率，包括：

将所述目标对象图输入所述目标特征处理分支，输出目标特征向量；

将所述全局特征图输入所述全局特征处理分支，输出全局特征向量；

通过所述拼接层将所述目标特征向量和所述全局特征向量拼接为特征拼接向量；

根据所述特征拼接向量，通过所述池化层和所述全连接层依次进行池化和全连接处理，得到所述目标对象图中的目标对象属于各个类别标签的预测概率。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

获取待分类图像；

通过预设目标检测模型，检测所述待分类图像中是否包括目标对象；

若确定包含目标对象，则通过训练好的所述目标分类模型确定所述待分类图像中的所述目标对象所属的类别。

8.根据权利要求7所述的方法，其特征在于，所述通过训练好的所述目标分类模型确定所述待分类图像中的所述目标对象所属的类别，包括：

通过所述预设目标检测模型识别所述待分类图像中目标对象的外接框；

从所述待分类图像中截取出所述外接框的区域，得到所述待分类图像对应的目标对象图；

记录所述预设目标检测模型检测所述待分类图像过程中提取的所述待分类图像对应的全局特征图；

根据所述待分类图像对应的目标对象图和全局特征图，通过训练好的所述目标分类模型确定所述待分类图像中的所述目标对象所属的类别。