[发明专利]图像分类的方法、装置、电子设备及存储介质

权利要求书

1.一种图像分类的方法，其特征在于，包括：

获取待分类图像；其中，所述待分类图像为汽车在驾驶过程中采集到的图像；

调用训练好的特征提取模型处理所述待分类图像，得到所述待分类图像的图像特征；其中，所述特征提取模型为利用预先获取的样本图像进行无监督训练得到的模型；

调用训练好的图像分类模型处理所述图像特征，得到所述待分类图像的图像类别；其中，所述图像分类模型为基于图像特征样本集合训练得到的模型；所述图像特征样本集合为通过对所述样本图像的图像特征进行聚类得到的集合。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模型的训练过程，包括：

获取所述特征提取模型的预训练模型以及所述样本图像；其中，所述预训练模型为利用目标数据库的图像数据集对所述特征提取模型进行预训练得到的模型；

利用对比损失函数处理所述样本图像，得到对比损失值；

利用所述对比损失值对所述预训练模型进行训练，并将训练好的所述预训练模型作为所述特征提取模型。

3.根据权利要求1所述的方法，其特征在于，所述图像分类模型的训练过程，包括：

针对每一张所述样本图像，调用所述特征提取模型处理所述样本图像，得到所述样本图像的图像特征；

对各张所述样本图像的图像特征进行聚类处理，得到各个所述图像特征样本集合；

筛选出满足预设条件的图像特征样本集合，并为所述筛选出的图像特征样本集合定义集合标签；其中，所述集合标签用于表征图像特征所属的图像类别；

将所述筛选出的图像特征样本集合以及所述筛选出的图像特征样本集合所对应的集合标签作为训练数据，对所述图像分类模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述调用训练好的图像分类模型处理所述图像特征，得到所述待分类图像的图像类别，包括：

基于所述图像特征，计算得到所述图像特征的置信度；

若所述置信度大于预设阈值，则分别计算所述图像特征属于各个所述图像类别的概率值，并将概率值最大的图像类别作为所述图像特征对应的待分类图像的图像类别；

若所述置信度不大于所述预设阈值，则确定所述图像特征对应的待分类图像不属于各个所述图像类别。

5.根据权利要求4所述的方法，其特征在于，还包括：

获取不属于各个所述图像类别的图像特征；

对所述不属于各个所述图像类别的图像特征进行聚类处理，得到新的图像特征样本集合；

从所述新的图像特征样本集合中筛选出满足所述预设条件的图像特征样本集合，并为所述筛选出的图像特征样本集合定义集合标签；

将所述筛选出的图像特征样本集合以及所述筛选出的图像特征样本集合所对应的集合标签作为训练数据，对所述图像分类模型进行训练。

6.一种图像分类的装置，其特征在于，包括：

获取单元，用于获取待分类图像；其中，所述待分类图像为汽车在驾驶过程中采集到的图像；

第一调用单元，用于调用训练好的特征提取模型处理所述待分类图像，得到所述待分类图像的图像特征；其中，所述特征提取模型为利用预先获取的样本图像进行无监督训练得到的模型；

第二调用单元，用于调用训练好的图像分类模型处理所述图像特征，得到所述待分类图像的图像类别；其中，所述图像分类模型为基于图像特征样本集合训练得到的模型；所述图像特征样本集合为通过对所述样本图像的图像特征进行聚类得到的集合。

7.根据权利要求6所述的装置，其特征在于，所述第一调用单元，包括：

第一获取子单元，用于获取所述特征提取模型的预训练模型以及所述样本图像；其中，所述预训练模型为利用目标数据库的图像数据集对所述特征提取模型进行预训练得到的模型；

处理子单元，用于利用对比损失函数处理所述样本图像，得到对比损失值；

第一训练子单元，用于利用所述对比损失值对所述预训练模型进行训练，并将训练好的所述预训练模型作为所述特征提取模型。