[发明专利]用于输出信息的方法和装置

权利要求书

1.一种用于输出信息的方法，其特征在于，所述方法包括：

获取待分类图像；

提取所述待分类图像的特征信息；

将所述特征信息导入预先建立的图像分类模型，得到所述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，所述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，所述图像分类模型为包括残差神经网络的深度神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型还包括至少一个池化层和至少一个全连接层，所述深度神经网络模型在训练过程中增加丢弃层，其中，最后一个池化层的输入是所述丢弃层的输入，所述丢弃层的输出为最后一个全连接层的输入。

3.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型是通过以下方式训练得到的：

获取样本数据，其中，所述样本数据包括样本图像和样本图像对应的行业标签信息；

提取样本图像的特征信息；

利用深度神经网络算法，将样本数据中的样本图像的特征信息作为输入，样本图像对应的行业标签信息作为输出，训练得到深度神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述样本数据是通过以下方式得到的：

使用用户预先设置的至少一个关键词，从搜索引擎获取至少一张图像；

对所述至少一张图像进行预处理，并为预处理后的各张图像设置行业标签信息，其中，行业标签信息属于预先设置的行业标签信息集合，所述行业标签信息集合是对所述至少一个关键词进行聚类分析得到的，所述预处理包括以下至少一项：旋转处理、长宽变化处理、明暗度变化处理、对比度变化处理、饱和度变化处理、RGB值变化处理。

5.根据权利要求1所述的方法，其特征在于，在提取所述待分类图像的特征信息之前，所述方法还包括：

对所述待分类图像进行处理，得到特定尺寸的待分类图像。

6.一种用于输出信息的装置，其特征在于，所述装置包括：

获取单元，用于获取待分类图像；

提取单元，用于提取所述待分类图像的特征信息；

输出单元，用于将所述特征信息导入预先建立的图像分类模型，得到所述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，所述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，所述图像分类模型为包括残差神经网络的深度神经网络模型。

7.根据权利要求6所述的装置，其特征在于，所述深度神经网络模型还包括至少一个池化层和至少一个全连接层，所述深度神经网络模型在训练过程中增加丢弃层，其中，最后一个池化层的输入是所述丢弃层的输入，所述丢弃层的输出为最后一个全连接层的输入。

8.根据权利要求6所述的装置，其特征在于，所述深度神经网络模型是通过以下方式训练得到的：

获取样本数据，其中，所述样本数据包括样本图像和样本图像对应的行业标签信息；

提取样本图像的特征信息；

利用深度神经网络算法，将样本数据中的样本图像的特征信息作为输入，样本图像对应的行业标签信息作为输出，训练得到深度神经网络模型。

9.根据权利要求8所述的装置，其特征在于，所述样本数据是通过以下方式得到的：

使用用户预先设置的至少一个关键词，从搜索引擎获取至少一张图像；

对所述至少一张图像进行预处理，并为预处理后的各张图像设置行业标签信息，其中，行业标签信息属于预先设置的行业标签信息集合，所述行业标签信息集合是对所述至少一个关键词进行聚类分析得到的，所述预处理包括以下至少一项：旋转处理、长宽变化处理、明暗度变化处理、对比度变化处理、饱和度变化处理、RGB值变化处理。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

处理单元，用于对所述待分类图像进行处理，得到特定尺寸的待分类图像。

11.一种终端，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。