[发明专利]一种图像分类方法、装置及电子设备

说明书

本发明实施例提供了一种图像分类方法、装置及电子设备，所述方法包括：获取待分类图像；提取待分类图像的目标特征向量；根据目标特征向量及预先建立的特征向量与图像类别的对应关系，确定目标特征向量对应的目标图像类别；将目标图像类别确定为待分类图像的类别。可见，该方案中，只需根据待分类图像的目标特征向量及预先建立的特征向量与图像类别的对应关系，便可以确定待分类图像的类别，无需采集大量图像样本进行训练，计算量大大降低，减少计算所耗费的时间，提高图像分类效率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像分类方法、装置及电子设备。

背景技术

计算机视觉是指对图像特征进行提取和分析，让计算机具有人眼和人脑对图像识别的能力。而图像分类是计算机视觉的核心问题之一，图像分类即是按照预设类别对图像进行分类，一般方式可以为从固定的一组分类标签中，给输入图像分配标签，该标签标识输入图像的类别。

图像分类在实际生活中有着各种各样的应用，例如，人工智能设备包括机器人、机械臂等，在执行任务的过程中，需要监测自身与交互环境的状况。比较常用的一种方式是通过摄像机获取环境图像，然后对所获取的图像进行分析和判断，此时，对获取的图像进行分析和判断可以抽象为图像分类问题。

深度学习是解决图像分类问题的一种有效手段。具体来说，首先需要构建一个分类器，然后对该分类器进行训练，要使得一个分类器具备较好的图像分类能力，需要对大量图像样本进行多次训练迭代。针对不同环境场景，则需要采集每个场景在不同情况下的大量图像作为图像样本，对所有图像样本进行训练，计算量巨大，耗费大量时间，图像分类效率较低。

发明内容

本发明实施例的目的在于提供一种图像分类方法、装置及电子设备，以减少图像分类的计算量，提高分类效率。具体技术方案如下：

第一方面，本发明实施例提供了一种图像分类方法，所述方法包括：

获取待分类图像；

提取所述待分类图像的目标特征向量；

根据所述目标特征向量及预先建立的特征向量与图像类别的对应关系，确定所述目标特征向量对应的目标图像类别；

将所述目标图像类别确定为所述待分类图像的类别。

可选的，所述根据所述目标特征向量及预先建立的特征向量与图像类别的对应关系，确定所述目标特征向量对应的目标图像类别的步骤，包括：

确定所述目标特征向量与预先建立的特征向量与图像类别的对应关系中的每一特征向量的距离；

将与所述目标特征向量距离最近的K个特征向量确定为近邻特征向量，其中，K为大于1的正整数；

根据所述对应关系，确定每个所述近邻特征向量对应的图像类别；

根据所确定的图像类别，确定所述目标特征向量对应的目标图像类别。

可选的，所述根据所确定的图像类别，确定所述目标特征向量对应的目标图像类别的步骤，包括：

将所确定的图像类别中比例最高的图像类别，确定为所述目标特征向量对应的目标图像类别。

可选的，在所述将所确定的图像类别中比例最高的图像类别，确定为所述目标特征向量对应的目标图像类别的步骤之前，所述方法还包括：

确定所述比例最高的图像类别的比例达到预设比例。

可选的，所述根据所述目标特征向量及预先建立的特征向量与图像类别的对应关系，确定所述目标特征向量对应的目标图像类别的步骤，包括：

确定所述目标特征向量与预先建立的特征向量与图像类别的对应关系中的每一特征向量的距离；