[发明专利]一种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，作用于预先训练好的图像分类模型；图像分类模型包括特征提取网络、分类层、分类结果激活层；所述分类层包括多个冗余神经元组，所述冗余神经元组与分类类别一一对应，每个冗余神经元组中包括多个神经元；所述方法包括：

获取待分类图像；

将所述待分类图像输入至预先训练好的特征提取网络中，得到所述待分类图像的特征向量；

将所述特征向量输入至预先训练好的分类层的每个冗余神经元组中，得到每个冗余神经元组中各个神经元输出的第一分类概率，其中，每个神经元输出的第一分类概率表示所述待分类图像属于该神经元所在冗余神经元组对应的分类类别的概率；

将每个冗余神经元组中各个神经元输出的第一分类概率输入至所述分类结果激活层中，得到每个冗余神经元组对应的第二分类概率；

基于每个冗余神经元组对应的第二分类概率，确定所述待分类图像的分类结果；

其中，采用下述方法得到所述预先训练好的图像分类模型：

获取多个样本图像；

将所述样本图像输入至所述特征提取网络中，得到所述样本图像的特征向量；

将所述样本图像的特征向量输入至所述分类层的每个冗余神经元组中，得到每个冗余神经元组中各个神经元输出的第三分类概率，其中，每个神经元输出的第三分类概率表示所述样本图像属于该神经元所在冗余神经元组对应的分类类别的概率；

将每个冗余神经元组中各个神经元输出的第三分类概率输入至所述分类结果激活层中，得到每个冗余神经元组对应的第四分类概率；

基于每个冗余神经元组对应的第四分类概率，确定所述样本图像的分类结果；

针对每个样本图像，根据与该样本图像对应的分类结果以及标注分类结果，确定该样本图像对应的交叉熵损失函数值；

根据该样本图像对应的交叉熵损失函数值，调整所述图像分类模型的参数；

直至所有样本图像完成本轮的训练后，确定完成对所述图像分类模型的本轮训练；

经过对所述图像分类模型进行多轮训练，得到所述预先训练好的图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述将每个冗余神经元组中各个神经元输出的第一分类概率输入至所述分类结果激活层中，得到每个冗余神经元组对应的第二分类概率，包括：

将每个冗余神经元组中各个神经元输出的第一分类概率输入至所述分类结果激活层中，针对第i个冗余神经元组，将所述第i个冗余神经元组中各个神经元输出的第一分类概率中最大的第一分类概率确定为所述第i个冗余神经元组对应的第二分类概率，i取1至N中的任意整数，N为冗余神经元组的总个数。

3.根据权利要求1所述的方法，其特征在于，所述基于每个冗余神经元组对应的第二分类概率，确定所述待分类图像的分类结果，包括：

确定各个第二分类概率中最大的第二分类概率，以及与所述最大的第二分类概率对应的目标冗余神经元组；

将所述目标冗余神经元组对应的分类类别，确定为所述待分类图像的分类结果。