[发明专利]图像分类方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种图像分类方法，其特征在于，包括：

获取待分类图像和模板图像集合，所述模板图像集合包括至少一个分类类别对应的模板图像；

对所述待分类图像进行特征提取，得到待分类图像特征信息，以及对所述模板图像进行特征提取，得到所述模板图像的模板图像特征信息；

根据所述待分类图像特征信息和所述模板图像特征信息，采用目标策略对所述待分类图像进行分类处理，得到所述待分类图像在每一目标策略下针对每一分类类别的分类信息；

根据所述待分类图像在每一目标策略下针对每一分类类别的分类信息，确定所述待分类图像的分类类别。

2.根据权利要求1所述的图像分类方法，其特征在于，所述待分类图像特征信息和所述模板图像特征信息均为采用训练后图像分类模型进行特征提取得到的特征信息；所述对所述待分类图像进行特征提取，得到待分类图像特征信息，以及对所述模板图像进行特征提取，得到所述模板图像的模板图像特征信息之前，所述方法还包括：

获取图像样本集合，所述图像样本集合包括标注分类类别标签对应的待预测图像样本和至少一个分类类别对应的模板图像样本；

采用待训练图像分类模型对所述待预测图像样本进行特征提取，得到待预测图像样本特征信息，以及采用待训练图像分类模型对所述模板图像样本进行特征提取，得到模板图像样本特征信息；

根据所述待预测图像样本特征信息和所述模板图像样本特征信息，采用所述待训练图像分类模型按照目标策略对所述待预测图像样本进行预测，得到所述待预测图像样本的分类类别集合，所述分类类别集合包括每一目标策略对应的目标分类类别；

根据所述每一目标策略对应的目标分类类别和所述分类类别标签，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型。

3.根据权利要求2所述的图像分类方法，其特征在于，所述根据所述待预测图像样本特征信息和所述模板图像样本特征信息，采用所述待训练图像分类模型按照目标策略对所述待预测图像样本进行预测，得到所述待预测图像样本的分类类别集合，包括：

采用所述待训练图像分类模型，按照目标策略计算所述待预测图像样本特征信息和所述模板图像样本特征信息之间的相似度，得到每一目标策略下所述待预测图像样本和所述模板图像样本之间的候选相似度；

根据候选相似度，确定每一目标策略下所述待预测图像样本的目标分类类别；

根据所述每一目标策略下所述待预测图像样本的目标分类类别，生成所述待预测图像样本的分类类别集合。

4.根据权利要求2所述的图像分类方法，其特征在于，所述根据所述每一目标策略对应的目标分类类别和所述分类类别标签，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型，包括：

计算所述每一目标策略对应的目标分类类别和所述分类类别标签之间的第一损失值；

对所述第一损失值进行融合处理，得到目标损失值；

根据所述目标损失值，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型。

5.根据权利要求4所述的图像分类方法，其特征在于，所述根据所述目标损失值，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型之前，所述方法还包括：

对所述待预测图像样本进行预处理，得到预处理后图像样本；

根据所述预处理后图像样本，采用所述待训练图像分类模型的目标分类器对所述预处理后图像样本进行分类处理，得到所述预处理后图像样本的候选分类类别；

获取所述预处理后图像样本对应的预处理后图像样本标签，并计算所述候选分类类别和所述预处理后图像样本标签之间的第二损失值；

所述根据所述目标损失值，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型，包括：根据所述目标损失值和所述第二损失值，对所述待训练图像分类模型进行收敛，得到训练后图像分类模型。