[发明专利]图像分类的方法、装置以及存储介质

说明书

本申请公开了一种图像分类的方法、装置以及存储介质。其中，该方法包括：获取待分类图像的图像特征向量；利用预先训练的图像分类模型对图像特征向量进行计算，确定待分类图像对应于每个分类类别的概率值，其中分类类别包括已知分类类别和未知分类类别，图像分类模型是基于分类类别与类别属性集合训练得到的，类别属性集合包含多个与分类类别具有关联关系的类别属性；以及在根据概率值判断待分类图像属于未知分类类别的情况下，对待分类图像进行聚类，从类别属性集合中确定与未知分类类别对应的类别属性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像分类的方法、装置以及存储介质。

背景技术

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。现有技术中可以采用神经网络将图像进行分类，然而传统的深度神经网络分类系统，需要大量的标注数据才能进行训练，其训练完成的网络在实际应用中只能识别与标注训练数据相关的图像，当新出现需要分类的类别时，无法进行识别分类。只有重新标注数据，然后重新训练模型，才可以对新出现的类别进行区分，因此扩展性不强。

针对上述的现有技术中存在的训练好的神经网络模型只能对训练过程中的类别进行识别，当出现新的类别时需要重新标注数据进行模型训练，因此模型扩展性不强的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种图像分类的方法、装置以及存储介质，以至少解决现有技术中存在的训练好的神经网络模型只能对训练过程中的类别进行识别，当出现新的类别时需要重新标注数据进行模型训练，因此模型扩展性不强的技术问题。

根据本公开实施例的一个方面，提供了一种图像分类的方法，包括：获取待分类图像的图像特征向量；利用预先训练的图像分类模型对图像特征向量进行计算，确定待分类图像对应于每个分类类别的概率值，其中分类类别包括已知分类类别和未知分类类别，图像分类模型是基于分类类别与类别属性集合训练得到的，类别属性集合包含多个与分类类别具有关联关系的类别属性；以及在根据概率值判断待分类图像属于未知分类类别的情况下，对待分类图像进行聚类，从类别属性集合中确定与未知分类类别对应的类别属性。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种图像分类的装置，包括：特征提取模块，用于获取待分类图像的图像特征向量；计算模块，用于利用预先训练的图像分类模型对图像特征向量进行计算，确定待分类图像对应于每个分类类别的概率值，其中分类类别包括已知分类类别和未知分类类别，图像分类模型是基于分类类别与类别属性集合训练得到的，类别属性集合包含多个与分类类别具有关联关系的类别属性；以及类别确定模块，用于在根据概率值判断待分类图像属于未知分类类别的情况下，对待分类图像进行聚类，从类别属性集合中确定与未知分类类别对应的类别属性。

根据本公开实施例的另一个方面，还提供了一种图像分类的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取待分类图像的图像特征向量；利用预先训练的图像分类模型对图像特征向量进行计算，确定待分类图像对应于每个分类类别的概率值，其中分类类别包括已知分类类别和未知分类类别，图像分类模型是基于分类类别与类别属性集合训练得到的，类别属性集合包含多个与分类类别具有关联关系的类别属性；以及在根据概率值判断待分类图像属于未知分类类别的情况下，对待分类图像进行聚类，从类别属性集合中确定与未知分类类别对应的类别属性。