图像分类方法及装置、分类网络训练方法及装置.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CN110458218A(43)申请公布日2019.11.15(21)申请号201910702266.3(22)申请日2019.07.31(71)申请人北京市商汤科技开发有限公司地址100084北京市海淀区中关村东路1号院3号楼7层710-712房间(72)发明人邓晗张学森伊帅闫俊杰(74)专利代理机构北京林达刘知识产权代理事务所(普通合伙)11277代理人刘新宇(51)Int.Cl.G06K9/62(2006.01)G06K9/66(2006.01)G06N3/08(2006.01)权利要求书2页说明书16页附图4页(54)发明名称图像分类方法及装置、分类网络训练方法及装置(57)摘要本公开涉及一种图像分类方法及装置、分类网络训练方法及装置，所述图像分类方法，包括：提取待处理图像的第一特征图；根据分割系数对第一特征图进行分割，获取分割后的第二特征图组；对第二特征图进行融合处理，获得第一特征向量；将第一特征向量输入至分类网络，得到分类结果，根据分类结果对待处理图像进行分类。根据本公开的实施例的图像分类方法，可通过分割系数和待处理图像的第一特征图，获得第二特征图，并对第二特征图进行融合，获得第一特征向量，可获取到更多特征信息，从而根据特征分类时能够提高分类准确度，且经过融合处理，既可保留各第二特征图的特征信息，使得特征信息丰富，又可减少信息冗余，提升处理效率。CN110458218ACN110458218A权利要求书1/2页1.一种图像分类方法，其特征在于，所述方法包括：提取待处理图像的第一特征图；根据至少一个分割系数对所述第一特征图进行分割，获取分别根据每一个所述分割系数分割后得到的第二特征图组，所述第二特征图组中包括至少一个第二特征图；对各所述第二特征图组中的第二特征图进行融合处理，获得与各所述分割系数对应的第一特征向量；将所述第一特征向量分别输入至对应的分类网络，得到每一个分类网络对应的分类结果，根据所有分类网络得到的分类结果对所述待处理图像进行分类。2.根据权利要求1所述的方法，其特征在于，对各所述第二特征图组中的第二特征图进行融合处理，获得与各分割系数对应的第一特征向量，包括：对第二目标特征图组中的至少一个第二特征图进行第一降维处理，所述第二目标特征图组为所述第二特征图组中的任意一个或多个特征图组；根据所述第一降维处理后的各第二特征图组，获得与各分割系数对应的第一特征向量。3.根据权利要求2所述的方法，其特征在于，根据所述第一降维处理后的各第二特征图组，获得与各分割系数对应的第一特征向量，包括：对第一降维处理后的各第二特征图组中的第二特征图分别进行拼接处理，分别获得第三特征图；将所述第三特征图进行第二降维处理，获得与各分割系数对应的所述第一特征向量。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述分类网络分别分布在不同的处理器上。5.根据权利要求1-3中任一项所述的方法，其特征在于，所述分割系数包括分割数量和分割重叠度，所述分割数量表示将第一特征图分割后的特征的数量，所述分割重叠度表示将第一特征图分割后的特征之间的重叠度。6.一种分类网络训练方法，其特征在于，包括：将样本图像输入特征提取网络，获得所述样本图像的第一训练特征图；根据至少一个分割系数对所述第一训练特征图进行分割，获得分别根据每一个所述分割系数分割后得到的第二训练特征图组，所述第二训练特征图组中包括至少一个第二训练特征图；对各所述第二训练特征图组中的第二训练特征图进行融合处理，获得与各所述分割系数对应的第一训练特征向量；根据所述与各分割系数对应的第一训练特征向量，训练至少一个分类网络，其中，各所述分类网络分别与各所述第一训练特征向量对应。7.一种图像分类装置，其特征在于，所述装置包括：第一提取模块，用于提取待处理图像的第一特征图；第一分割模块，用于根据至少一个分割系数对所述第一特征图进行分割，获取分别根据每一个所述分割系数分割后得到的第二特征图组，所述第二特征图组中包括至少一个第二特征图；第一融合模块，用于对各所述第二特征图组中的第二特征图进行融合处理，获得与各2CN110458218A权利要求书2/2页所述分割系数对应的第一特征向量；分类模块，用于将所述第一特征向量分别输入至对应的分类网络，得到每一个分类网络对应的分类结果，根据所有分类网络得到的分类结果对所述待处理图像进行分类。8.一种分类网络训练装置，其特征在于，包括：第二提取模块，用于将样本图像输入特征提取网络，获得所述样本图像的第一训练特征图；第二分割模块，用于根据至少一个分割系数对所述第一训练特征图进行分割，获得分别根据每一个所述分割系数分割后得到的第二训练特征图组，所述第二训练特征图组中包括至少一个第二训练特征图