[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

说明书

本申请实施例提供一种图像分类方法、装置、计算机设备及计算机可读存储介质，可以应用于云技术、人工智能、智慧交通、车联网等各种场景；本申请实施例获取待分类图像和模板图像集合；对待分类图像进行特征提取，得到待分类图像特征信息，以及对模板图像进行特征提取，得到模板图像的模板图像特征信息；根据待分类图像特征信息和模板图像特征信息，采用目标策略对待分类图像进行分类处理，得到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，确定待分类图像的分类类别；本申请实施例可以结合不同目标策略对应的分类信息，从而提高对待分类图像分类的准确性。

技术领域

本申请涉及人工智能处理技术领域，具体涉及一种图像分类方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着人工智能技术的发展，人们对神经网络模型的性能要求越来越高，例如，要求神经网络模型具有更高的分类准确性、更高的泛化能力等。

目前，由于数据隐私、数据安全性等因素的影响，导致神经网络模型无法在一些相应场景中获取到足够的带标签的训练样本，相应场景包括医学场景、金融场景，基于此，神经网络模型在训练过程中无法学习到更多的特征，导致训练后的神经网络模型存在对图像分类的准确性较低的问题。

为了解决上述由于神经网络模型在训练过程中无法学习到更多的特征，导致训练后的神经网络模型对图像分类的准确性较低，目前采用了神经网络模型进行小样本学习，但是，这种小样本学习也存在对图像分类的准确性较低的问题。

综上，现有的神经网络模型存在对图像分类的准确性较低的问题。

发明内容

本申请实施例提供一种图像分类方法、装置、计算机设备及计算机可读存储介质，能够提高对图像分类的准确性。

一种图像分类方法，包括：

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

对待分类图像进行特征提取，得到待分类图像特征信息，以及对模板图像进行特征提取，得到模板图像的模板图像特征信息；

根据待分类图像特征信息和模板图像特征信息，采用目标策略对待分类图像进行分类处理，得到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，确定待分类图像的分类类别。

相应地，本申请实施例提供一种图像分类装置，包括：

获取单元，可以用于获取待分类图像和模板图像集合，模板图像集合包括至少一个分类类别对应的模板图像；

提取单元，可以用于对待分类图像进行特征提取，得到待分类图像特征信息，以及对模板图像进行特征提取，得到模板图像的模板图像特征信息；

分类单元，可以用于根据待分类图像特征信息和模板图像特征信息，采用目标策略对待分类图像进行分类处理，得到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；

确定单元，可以用于根据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，确定待分类图像的分类类别。