图像分类方法、图像分类网络训练方法、装置及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120044A(43)申请公布日2022.03.01(21)申请号202111489645.2G06N3/04(2006.01)(22)申请日2021.12.08G06N3/08(2006.01)G06K9/62(2022.01)(71)申请人马上消费金融股份有限公司地址404100重庆市渝北区黄山大道中段52号渝兴广场B2栋4至8楼(72)发明人陈圣曾定衡王洪斌周迅溢(74)专利代理机构北京银龙知识产权代理有限公司11243代理人胡永芳(51)Int.Cl.G06V10/764(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/772(2022.01)G06V10/82(2022.01)权利要求书3页说明书20页附图4页(54)发明名称图像分类方法、图像分类网络训练方法、装置及电子设备(57)摘要本申请提供一种图像分类方法、图像分类网络训练方法、装置及电子设备，图像分类方法，包括：获取待分类图像；将待分类图像输入目标图像分类网络中进行分类，得到目标分类结果；其中，目标图像分类网络包括第一卷积层、加权融合模块、第一相加层、第二卷积层以及分类层，第一卷积层的输入包括待分类图像，第一卷积层的输出还与第一相加层的输入连接。即采用一个目标图像分类网络进行分类即可，目标图像分类网络的结构复杂度较低，可减少分类花费的时间，从而可提高图像分类效率。CN114120044ACN114120044A权利要求书1/3页1.一种图像分类方法，其特征在于，包括：获取待分类图像；将所述待分类图像输入目标图像分类网络中进行分类，得到目标分类结果；其中，所述目标图像分类网络包括第一卷积层、加权融合模块、第一相加层、第二卷积层以及分类层，所述第一卷积层的输入包括所述待分类图像，所述第一卷积层的输出还与所述第一相加层的输入连接。2.根据权利要求1所述的方法，其特征在于，所述将所述待分类图像输入目标图像分类网络中进行分类，得到目标分类结果，包括：将所述待分类图像输入所述目标图像分类网络中的第一卷积层进行卷积处理，得到第一卷积图；将所述第一卷积图输入所述目标图像分类网络中的加权融合模块进行处理，得到第一加权融合特征图；将所述第一卷积图以及所述第一加权融合特征图输入所述目标图像分类网络中的第一相加层进行相加处理，得到第一相加结果；将所述第一相加结果输入所述目标图像分类网络中的第二卷积层进行卷积处理，得到第二卷积图；将所述第二卷积图输入所述分类层进行分类，得到所述目标分类结果。3.根据权利要求2所述的方法，其特征在于，所述目标图像分类网络还包括第一池化层；将所述第二卷积图输入所述分类层进行分类，得到所述目标分类结果，包括：将所述第二卷积图输入所述第一池化层进行池化处理，得到第一池化结果；将所述第一池化结果输入所述分类层进行分类，得到所述目标分类结果。4.根据权利要求2所述的方法，其特征在于，所述加权融合模块包括N个加权融合层、第一合并层以及第三卷积层，N为正整数；其中，每个加权融合层输出一个加权融合结果，所述第一卷积图输入至所述N个加权融合层中的第1个加权融合层，相邻两个加权融合层中前一个加权融合层的加权融合结果输出至后一个加权融合层，且所述第一合并层对N个加权融合层的加权融合结果进行合并得到第一合并结果，所述第三卷积层对所述第一合并结果进行卷积处理，得到所述第一加权融合特征图。5.根据权利要求4所述的方法，其特征在于，所述N个加权融合层中的第i个加权融合层包括M个子加权融合层、第四卷积层以及第二相加层，其中，M为正整数，i为小于或等于N的正整数；每个子加权融合层输出一个加权融合特征图，相邻两个子加权融合层中前一个子加权融合层的加权融合特征图输出至后一个子加权融合层，所述M个子加权融合层中的最后一个子加权融合层的加权融合特征图输出至所述第四卷积层，所述第四卷积层对所述最后一个子加权融合层输出的加权融合特征图进行卷积处理得到第三卷积图，所述第二相加层对所述第三卷积图和所述第一卷积层的输出进行相加得到所述第i个加权融合层的加权融合结果，或所述第二相加层对所述第三卷积图和所述N个加权融合层中的第i‑1个加权融合层的加权融合结果进行相加得到第i个加权融合层的加权融合结果。2CN114120044A权利要求书2/3页6.根据权利要求5所述的方法，其特征在于，所述M个子加权融合层中的第j个子加权融合层包括第五卷积层、第六卷积层、第七卷积层、第一加权层、第二加权层、第三加权层和第二合并层，其中，j为小于或等于M的正整数；其中，所述第五卷积层的输入、所述第六卷积层的输入以及所述第七卷积层的输入连接相同的输出，所述相同的输出为所述第一卷积图、所述M个