[发明专利]图像分类的方法、装置、电子设备及存储介质

说明书

本申请提供了一种图像分类的方法、装置、电子设备及存储介质，其中，在图像分类的方法中，首先获取待分类图像。然后调用训练好的特征提取模型处理待分类图像，得到待分类图像的图像特征。最后调用训练好的图像分类模型处理图像特征，得到待分类图像的图像类别。由此可知，利用本申请的方法，预先对特征提取模型以及图像分类模型进行无监督训练，不需要人工标注图像数据，当获取到待分类图像时，可以快速准确的对待分类图像进行特征提取与分类，解决了现有技术中图像分类的方法都需要借助人工标注的图像数据才可实现，需要耗费大量的人力资源和高额的人工成本，同时大量未标注的图像数据被浪费掉的问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像分类的方法、装置、电子设备及存储介质。

背景技术

随着科技的发展，汽车的功能越来越智能化，为了给用户带来更好的驾驶体验，自动驾驶功能成为了汽车重要发展的一项技术。自动驾驶依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

在自动驾驶领域中，影响自动驾驶性能的重要一环即为对车辆检测到的图像进行识别分类，图像分类的质量好坏能够直接影响到自动驾驶的性能。然而，由于自动驾驶场景下的图像错综复杂，目前对自动驾驶场景下的进行图像分类的方法都需要借助人工标注的图像数据才可实现，需要耗费大量的人力资源和高额的人工成本，同时大量未标注的图像数据被浪费掉。

发明内容

有鉴于此，本申请提供了一种图像分类的方法、装置、电子设备及存储介质，以解决现有技术中图像分类的方法都需要借助人工标注的图像数据才可实现，需要耗费大量的人力资源和高额的人工成本，同时大量未标注的图像数据被浪费掉的问题。

为实现上述目的，本申请提供如下技术方案：

本申请第一方面公开了一种图像分类的方法，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。

可选的，上述的方法，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。

可选的，上述的方法，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。

可选的，上述的方法，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：