[发明专利]一种图像分类方法、装置、设备和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：

对获取的待分类图像进行预处理，得到标准图像；

利用图像分类模型对所述标准图像进行逐深度卷积和逐点通道滑动卷积处理，以得到输出特征图；其中，逐点通道滑动卷积核的输入通道数小于所述图像分类模型的模型输入通道数、所述逐点通道滑动卷积核的输出通道数小于所述图像分类模型的模型输出通道数并且小于所述逐点通道滑动卷积核的输入通道数；

对所述输出特征图进行降维和分类处理，以确定出所述待分类图像所属的图像类别。

2.根据权利要求1所述的图像分类方法，其特征在于，所述利用图像分类模型对所述标准图像进行逐深度卷积和逐点通道滑动卷积处理，以得到输出特征图包括：

对所述标准图像进行空间维度分析，以提取出空间特征信息；

对所述空间特征信息进行批归一化处理，以得到批归一化特征信息；

按照所述逐点通道滑动卷积核对所述批归一化特征信息进行滑动卷积处理，以得到融合特征信息；

依据层归一化参数对所述融合特征信息进行层归一化处理，以得到层归一化特征信息；

将所述层归一化特征信息转换为非线性特征信息。

3.根据权利要求2所述的图像分类方法，其特征在于，所述按照所述逐点通道滑动卷积核对所述批归一化特征信息进行滑动卷积处理，以得到融合特征信息包括：

将所述逐点通道滑动卷积核的输出通道数作为滑动步长；

按照所述滑动步长以及所述逐点通道滑动卷积核，将所述批归一化特征信息分别在通道维度和空间维度进行滑动卷积，以得到融合特征信息。

4.根据权利要求2所述的图像分类方法，其特征在于，所述将所述层归一化特征信息转换为非线性特征信息包括：

将所述层归一化特征信息中取值大于零的特征值保留，将所述层归一化特征信息中取值小于零的特征值调整为零，以得到非线性特征信息。

5.根据权利要求2所述的图像分类方法，其特征在于，在所述将所述层归一化特征信息转换为非线性特征信息之后还包括：

每转换得到非线性特征信息，则将迭代次数加一；

在当前迭代次数满足预设阈值的情况下，则执行所述对所述输出特征图进行降维和分类处理，以确定出所述待分类图像所属的图像类别的步骤；

在当前迭代次数不满足预设阈值的情况下，则返回所述对所述标准图像进行空间维度分析，以提取出空间特征信息的步骤。

6.根据权利要求1至5任意一项所述的图像分类方法，其特征在于，针对于所述逐点通道滑动卷积核的输入通道数和输出通道数的设置过程，所述方法还包括：

将所述图像分类模型的输入通道数与选定的输入比例值的乘积作为所述逐点通道滑动卷积核的输入通道数；

计算所述逐点通道滑动卷积核的输入通道数与选定的输出比例值的乘积值；

在所述乘积值小于所述图像分类模型的输出通道数的情况下，将所述乘积值作为所述逐点通道滑动卷积核的输出通道数；

在所述乘积值不小于所述图像分类模型的输出通道数的情况下，将所述图像分类模型的输出通道数与选定的输出比例值的乘积值作为所述逐点通道滑动卷积核的输出通道数；其中，所述输入比例值和所述输出比例值均小于1。

7.根据权利要求6所述的图像分类方法，其特征在于，还包括：

预先建立不同图像类型与不同比例组之间的对应关系列表；

在获取到所述待分类图像的情况下，基于所述待分类图像所属的图像类型从所述对应关系列表中查询匹配的目标比例组；其中，所述目标比例组包括输入比例值和输出比例值。