[发明专利]分类方法和装置、电子设备、计算机存储介质

权利要求书

1.一种分类方法，其特征在于，包括：

接收待分类图像；

基于神经网络对输入的待分类图像进行处理，得到对应所述待分类图像的完整特征；

基于剪裁技术，对所述完整特征执行分块剪裁处理，获得剪裁后的多个对应所述待分类图像的特征；所述剪裁技术用于对待分类图像或基于待分类图像得到的完整特征执行分块剪裁处理；所述剪裁后得到的特征的大小小于或等于所述完整特征，所有所述剪裁后得到的特征拼接后至少包括一个所述完整特征；

对多个所述剪裁后得到的特征进行融合处理，得到融合特征；

利用分类网络，基于所述融合特征获得所述待分类图像对应的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述完整特征执行剪裁处理，获得剪裁后的多个对应所述待分类图像的特征之后，还包括：

将所有所述待分类图像的特征缩放到相同大小。

3.根据权利要求1所述的方法，其特征在于，所述神经网络包括至少一个卷积层；

所述基于神经网络和剪裁技术对所述待分类图像进行处理，获得多个特征，包括：

迭代执行：

通过神经网络中上一个卷积层对待分类图像执行卷积计算，得到输出的完整特征图，将所述完整特征图剪裁得到至少两个特征图；所有所述特征图拼接后至少包括一个所述完整特征图；

分别通过所述神经网络中下一个卷积层对各特征图执行卷积操作，得到至少两个新特征图，融合对应同一个待处理图像得到的所有新特征图；将所述融合后的新特征图作为待分类图像，将下下一个卷积层作为上一个卷积层；

直到所述下一个卷积层为最后一个卷积层，输出所述得到的至少两个新特征图。

4.根据权利要求3所述的方法，其特征在于，分别通过所述神经网络中下一个卷积层对各特征图执行卷积操作之前，还包括：

将各所述特征图缩放为所述下一个卷积层对应的输入图像大小。

5.根据权利要求1所述的方法，其特征在于，所述对所述多个特征进行融合处理，得到融合特征之前，还包括：

统一所述多个特征的格式。

6.根据权利要求5所述的方法，其特征在于，统一所述多个特征的格式，对所述多个特征进行融合处理，得到融合特征，包括：

将所述多个特征的维度进行转换，使基于所述待分类图像得到的所有所述特征的维度统一；

将所述维度统一的多个特征在每个维度上将特征值进行连接，得到融合后维度不变的特征图，一个所述融合后的特征图对应一个所述待分类图像。

7.根据权利要求6所述的方法，其特征在于，将所述维度统一的多个特征在每个维度上将特征值进行连接，包括：

对每个特征分配不同的权重值；

将所述多个特征与相应权重值相乘后进行连接。

8.根据权利要求1-7任一所述的方法，其特征在于，所述利用分类网络，基于所述融合特征获得所述待分类图像对应的分类结果，包括：

将所述融合特征输入所述分类网络，分别得到所述待分类图像对应各分类类别的概率向量；

基于所述对应各分类类别的概率向量确定所述待分类图像的分类结果。

9.根据权利要求8所述的方法，其特征在于，将所述融合特征输入所述分类网络，分别得到所述待分类图像对应各分类类别的概率向量，包括：

将所述融合特征输入至少一个所述分类网络中；每个所述分类网络中包括至少一个全连接层和激活函数，每个所述分类网络对应一个属性分类族，一个所述属性分类族包括至少两个分类类别；

各所述分类网络分别输出对应不同属性分类族的概率向量。

10.根据权利要求1-7任一所述的方法，其特征在于，所述待分类图像为行人图像；

所述利用分类网络，基于所述融合特征获得所述待分类图像对应的分类结果，包括：

利用分类网络，基于所述融合特征获得所述行人图像对应的分类结果。