[发明专利]图像分类方法及装置

说明书

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像分类方法及装置。

背景技术

活体检测技术被广泛应用于生活中的各个方面。例如，人脸活体检测技术就被应用于身份认证等方面。举例来说，可以通过让用户眨眼睛、摇头等方式对用户进行身份认证。然而，活体图像极易用照片、视频等方式进行复制，从而影响活体检测的效果，进而威胁相应系统的安全性和可靠性。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像分类方法及装置。

根据本公开实施例的第一方面，提供一种图像分类方法，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。

对于以上方法，在一种可能的实现方式中，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。

对于以上方法，在一种可能的实现方式中，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。

对于以上方法，在一种可能的实现方式中，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。

对于以上方法，在一种可能的实现方式中，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。

根据本公开实施例的第二方面，提供一种图像分类装置，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。

对于上述装置，在一种可能的实现方式中，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。

对于上述装置，在一种可能的实现方式中，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。

对于上述装置，在一种可能的实现方式中，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。

对于上述装置，在一种可能的实现方式中，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。

根据本公开实施例的第三方面，提供一种图像分类装置，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执行上述方法。

根据本公开实施例的第四方面，提供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上述图像分类方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过接收待分类的图像，并利用具有膨胀卷积结构的卷积神经网络，确定该待分类的图像的类型为一次成像图像或二次成像图像，从而实现通过卷积神经网络快速、准确区分一次成像图像和二次成像图像。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种图像分类方法的流程图。

图2是根据一示例性实施例示出的一种膨胀卷积的示意图。

图3是根据一示例性实施例示出的一种图像分类方法的卷积神经网络的示意图。