[发明专利]一种图像分类方法、装置、计算机设备及介质

说明书

本发明公开了一种图像分类方法、装置、计算机设备及介质，方法包括：获取动态类别库和待识别图像；根据预设类型描述模板将动态类别库中的各类型关键词进行转换，生成多条类型描述文本；将多条类型描述文本与待识别图像输入到预先训练的图像分类模型中，输出待识别图像对应的多个余弦相似度；根据多个余弦相似度确定出待识别图像的最终类型；预先训练的图像分类模型是根据样本对训练生成的，每个样本对包括训练图像和图像描述文本。由于本申请采用样本对训练模型，并在模型训练后配合动态类别库进行类型识别，从而不需要预先定义图片分类模型所需的类别，进而达到了无监督学习的目的，使得模型能对所有类型的图像进行识别，提升了模型的泛化能力。

技术领域

本发明涉及机器视觉技术领域，特别涉及一种图像分类方法、装置、计算机设备及介质。

背景技术

随着互联网技术的发展，用户不仅可以通过关键字的方式进行搜索，还可以通过图片的方式进行搜索。在通过图片进行搜索的场景中，用户可以通过图库中选择或即时拍摄图片上传至系统。在获取用户上传的图片之后，系统对图片进行分析，识别图片中的对象(人或物品等)，以确定图片所属的分类信息，并根据图片的分类信息和特征进行搜索并将搜索结果返回给用户。

在现有的确定图片类型的方案中，通过预先训练好的模型进行图片类型识别，在模型训练时，首先采集大量的图像作为训练数据，然后对每个图像标注类别标签，即图片需要分的类别需要预先设置好，例如1000类，模型一但训练好便只能处理这1000类别的分类问题，无法对超出这1000类别的其他类进行判断，同时在图片类型识别时，仅仅能对该1000类的图像进行识别，从而极大程度限制了模型的泛化性。

发明内容

基于此，有必要针对模型泛化性小的问题，提供一种图像分类方法、装置、计算机设备及介质。

一种图像分类方法，方法包括：获取动态类别库和待识别图像；根据预设类型描述模板将动态类别库中的各类型关键词进行转换，生成多条类型描述文本；将多条类型描述文本与待识别图像输入到预先训练的图像分类模型中，输出待识别图像对应的多个余弦相似度；根据多个余弦相似度确定出待识别图像的最终类型；其中，预先训练的图像分类模型是根据样本对训练生成的，每个样本对包括训练图像和图像描述文本。

在其中一个实施例中，根据预设类型描述模板将动态类别库中的各类型关键词进行转换，生成多条类型描述文本，包括：遍历获取动态类别库中每个类型关键词；获取预设类型描述模板中的关键词标识符；将每个类型关键词与关键词标识符进行映射关联，得到多条类型描述文本。

在其中一个实施例中，预先训练的图像分类模型包括文本编辑器和图片编辑器；将多条类型描述文本与待识别图像输入到预先训练的图像分类模型中，输出待识别图像对应的多个余弦相似度，包括：将多条类型描述文本逐一输入文本编辑器中，输出每条类型描述文本对应的文本向量；将待识别图像输入图片编辑器中，输出待识别图像的目标图像向量；将每条类型描述文本对应的文本向量与待识别图像的目标图像向量逐一组合，得到多个待计算向量对；计算每个待计算向量对的余弦相似度，得到并输出待识别图像对应的多个余弦相似度。

在其中一个实施例中，根据多个余弦相似度确定出待识别图像的最终类型，包括：将多个余弦相似度中最大余弦相似度确定为待识别图像的目标相似度；获取目标相似度对应的目标文本向量；将目标文本向量对应的类型描述文本中类型关键词确定为待识别图像的最终类型。

在其中一个实施例中，获取动态类别库和待识别图像之前，还包括：根据ImageCaptioning数据集构建样本对集合；其中，样本对集合中每个样本对包括训练图像和图像描述文本；构建图像分类模型；将每个样本对输入图像分类模型中，输出损失值；当损失值到达最小时，生成预先训练的图像分类模型；或者，当损失值未到达最小时，将损失值进行反向传播以更新图像分类模型的模型参数，并继续执行将每个样本对输入图像分类模型中的步骤。