[发明专利]图像分类方法、电视设备及计算机可读存储介质

权利要求书

1.一种图像分类方法，其特征在于，所述图像分类方法包括：

电视设备获取待分类图像和所述待分类图像对应的目标背景标签，根据所述目标背景标签对所述待分类图像进行标记；

将标记后的待分类图像传输至改进型SqueezeNet模型中，获得与所述标记后的待分类图像对应的目标训练数据，所述改进型SqueezeNet模型反映图像的图像特征值与训练数据的对应关系；

根据所述目标训练数据对所述待分类图像进行分类；

所述将标记后的所述待分类图像传输至改进型SqueezeNet模型中，获取与所述待分类图像对应的目标训练数据，具体包括：

将所述标记后的待分类图像依次通过所述改进型SqueezeNet模型的第一卷积层、第一平均值提取层、预设Fire模块层、第二卷积层、第二平均值提取层和全连接层，获取与所述标记后的待分类图像对应的所述目标训练数据。

2.如权利要求1所述的图像分类方法，其特征在于，所述将所述标记后的待分类图像依次通过所述改进型SqueezeNet模型的第一卷积层、第一平均值提取层、预设Fire模块层、第二卷积层、第二平均值提取层和全连接层，获取与所述标记后的待分类图像对应的所述目标训练数据之前，所述图像分类方法还包括：

依次按照第一squeeze卷积层、第一expand扩展层、第二squeeze卷积层和第二expand扩展层的排列顺序进行混合，生成所述预设Fire模块层，所述第一squeeze卷积层和所述第二squeeze卷积层的步长为1*1，所述第一expand扩展层和所述第二expand扩展层的步长为3*3。

3.如权利要求1所述的图像分类方法，其特征在于，所述将所述标记后的待分类图像依次通过所述改进型SqueezeNet模型的第一卷积层、第一平均值提取层、预设Fire模块层、第二卷积层、第二平均值提取层和全连接层，获取与所述标记后的待分类图像对应的所述目标训练数据，具体包括：

将所述标记后的待分类图像传输至所述第一卷积层，获得第一特征，并将所述第一特征传输至所述第一平均值提取层，获得第一特征平均值；

将所述第一特征平均值传输至预设Fire模块层，获得模型特征值，将所述模型特征值传输至所述第二卷积层，获得第二特征，并将所述第二特征传输至所述第二平均值提取层，获得第二特征平均值；

将所述第二特征平均值传输至所述全连接层后，获取与所述标记后的待分类图像对应的所述目标训练数据。

4.如权利要求1-3中任一项所述的图像分类方法，其特征在于，所述将标记后的所述待分类图像传输至改进型SqueezeNet模型中，获取与所述标记后的待分类图像对应的目标训练数据之前，所述图像分类方法还包括：

将标记有样本背景标签的各类别的样本图像传输至初始网络模型中，对所述初始网络模型进行训练，将训练后的初始网络模型作为所述改进型SqueezeNet模型。

5.如权利要求4所述的图像分类方法，其特征在于，所述将标记有样本背景标签的各类别的样本图像传输至初始网络模型中，对所述初始网络模型进行训练，将训练后的初始网络模型作为所述改进型SqueezeNet模型，具体包括：

获取各类别的样本图像的尺寸参数，获取与各尺寸参数匹配的运算参数，所述运算参数为所述初始网络模型进行图像运算的参数；

通过所述样本背景标签对各类别的样本图像分别进行标记，并将标记后的样本图像传输至所述初始网络模型，根据所述运算参数和所述标记后的样本图像对所述初始网络模型进行训练，将训练后的初始网络模型作为所述改进型SqueezeNet模型。