[发明专利]图片分类方法及装置

权利要求书

1.一种图片分类方法，其特征在于，所述方法包括：

将原始图片输入到训练后的卷积神经网络；

通过所述卷积神经网络的全连接层确定所述原始图片的特征参数；

将所述特征参数输入到训练后的支持向量机中，通过所述支持向量机对所述原始图片进行分类。

2.根据权利要求1所述的方法，其特征在于，所述将所述特征参数输入到支持向量机中，通过所述支持向量机对所述原始图片进行分类，包括：

在所述支持向量机中确定与所述特征参数相对应的核函数；

根据所述核函数对所述原始图片进行分类。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过一组图片对所述卷积神经网络进行训练，确定所述卷积神经网络的全连接层参数，所述全连接层参数作为所述支持向量机的输入参数；

通过所述全连接层参数对所述支持向量机进行训练。

4.一种图片分类装置，其特征在于，所述装置包括：

输入模块，被配置为将原始图片输入到训练后的卷积神经网络；

确定模块，被配置为通过所述卷积神经网络的全连接层确定所述输入模块输入的所述原始图片的特征参数；

分类模块，被配置为将所述确定模块确定的所述特征参数输入到训练后的支持向量机中，通过所述支持向量机对所述原始图片进行分类。

5.根据权利要求4所述的装置，其特征在于，所述分类模块包括：

确定子模块，被配置为在所述支持向量机中确定与所述确定模块确定的所述特征参数相对应的核函数；

分类子模块，被配置为根据所述确定子模块确定的所述核函数对所述原始图片进行分类。

6.根据权利要求4所述的装置，其特征在于，所述装置还包括：

第一训练模块，被配置为通过一组图片对所述输入模块需要的所述卷积神经网络进行训练，确定所述卷积神经网络的全连接层参数，所述全连接层参数作为所述支持向量机的输入参数；

第二训练模块，被配置为通过所述第一训练模块训练的得到的所述全连接层参数对所述支持向量机进行训练。

7.一种图片分类装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

将原始图片输入到训练后的卷积神经网络；

通过所述卷积神经网络的全连接层确定所述原始图片的特征参数；

将所述特征参数输入到训练后的支持向量机中，通过所述支持向量机对所述原始图片进行分类。