[发明专利]图像分类方法及装置

权利要求书

1.一种图像分类方法，其特征在于，包括：

接收待分类的图像；

利用卷积神经网络，确定所述待分类的图像的类型为一次成像图像或二次成像图像，其中，所述卷积神经网络包括多组卷积层，每组卷积层中包括至少一个卷积子层，所述卷积子层包括卷积结构为膨胀卷积的卷积子层。

2.根据权利要求1所述的方法，其特征在于，每组卷积层后连接一个池化层，所述池化层的步长小于所述池化层的池化窗口的尺寸。

3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括五组卷积层，第四组卷积层的第三卷积子层以及第五组卷积层的第三卷积子层的卷积结构为膨胀卷积。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据一次成像图像样本集和对应的二次成像图像样本集，训练卷积神经网络。

5.根据权利要求4所述的方法，其特征在于，根据一次成像图像样本集和对应的二次成像图像样本集，训练卷积神经网络，包括：

获取一次成像图像样本集和对应的二次成像图像样本集；

将所述一次成像图像样本集和对应的二次成像图像样本集输入到所述卷积神经网络中，对所述卷积神经网络进行训练，通过后向传递算法确定所述卷积神经网络的目标参数。

6.一种图像分类装置，其特征在于，包括：

接收模块，用于接收待分类的图像；

确定模块，用于利用卷积神经网络，确定所述待分类的图像的类型为一次成像图像或二次成像图像，

其中，所述卷积神经网络包括多组卷积层，每组卷积层中包括至少一个卷积子层，所述卷积子层包括卷积结构为膨胀卷积的卷积子层。

7.根据权利要求6所述的装置，其特征在于，每组卷积层后连接一个池化层，所述池化层的步长小于所述池化层的池化窗口的尺寸。

8.根据权利要求6所述的装置，其特征在于，所述卷积神经网络包括五组卷积层，第四组卷积层的第三卷积子层以及第五组卷积层的第三卷积子层的卷积结构为膨胀卷积。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

训练模块，用于根据一次成像图像样本集和对应的二次成像图像样本集，训练卷积神经网络。

10.根据权利要求9所述的装置，其特征在于，所述训练模块包括：

获取子模块，用于获取一次成像图像样本集和对应的二次成像图像样本集；

训练子模块，用于将所述一次成像图像样本集和对应的二次成像图像样本集输入到所述卷积神经网络中，对所述卷积神经网络进行训练，通过后向传递算法确定所述卷积神经网络的目标参数。

11.一种图像分类装置，其特征在于，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：执行权利要求1-5中任意一项所述的方法。

12.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行根据权利要求1-5中任意一项所述的方法。