[发明专利]基于场景的图像分类方法、装置、系统和存储介质

权利要求书

1.一种基于场景的图像分类方法，其特征在于，所述方法包括：

接收输入图像，并基于训练好的神经网络对所述输入图像进行图像分类预测和场景分类预测，以得到图像分类得分和场景分类得分；

基于所述场景分类得分确定所述输入图像的场景类别，并基于与所述场景类别相对应的映射函数对所述图像分类得分进行映射，以得到所述场景类别下所述输入图像的图像分类新得分；以及

将所述图像分类新得分与预设统一阈值进行比较，以得到所述输入图像的图像分类结果；

其中，不同的场景类别对应于不同的图像分类阈值，与任一场景类别相对应的所述映射函数是基于与所述任一场景类别相对应的图像分类阈值以及所述预设统一阈值而确定的。

2.根据权利要求1所述的方法，其特征在于，与任一场景类别相对应的图像分类阈值通过如下方式来确定：

采用所述训练好的神经网络对所述任一场景类别下的多个样本进行图像分类预测，得到所述多个样本各自的图像分类得分；以及

基于所述多个样本各自的图像分类得分以及预设假正率来确定与所述任一场景类别相对应的图像分类阈值，其中所述假正率是指被错误分到正样本类别中真实的负样本所占所有负样本总数的比例。

3.根据权利要求1或2所述的方法，其特征在于，所述场景分类预测包括：对所述输入图像或训练图像的多源数据进行分类预测。

4.根据权利要求3所述的方法，其特征于，所述多源数据包括所述输入图像或所述训练图像中的人种的类别。

5.根据权利要求3所述的方法，其特征于，所述多源数据包括所述输入图像或所述训练图像的光照情况。

6.根据权利要求1或2所述的方法，其特征在于，所述预设统一阈值是自定义常数。

7.根据权利要求1所述的方法，其特征在于，所述神经网络包括主干网络、图像分类子网络和场景分类子网络，所述图像分类子网络和所述场景分类子网络共享所述主干网络的参数，或者不共享所述主干网络的参数。

8.一种基于场景的图像分类装置，其特征在于，所述装置包括：

预测模块，用于接收输入图像，并基于训练好的神经网络对所述输入图像进行图像分类预测和场景分类预测，以得到图像分类得分和场景分类得分；

映射模块，用于基于所述场景分类得分确定所述输入图像的场景类别，并基于与所述场景类别相对应的映射函数对所述图像分类得分进行映射，以得到所述场景类别下所述输入图像的图像分类新得分；以及

比较模块，用于将所述图像分类新得分与预设统一阈值进行比较，以得到所述输入图像的图像分类结果；

其中，不同的场景类别对应于不同的图像分类阈值，与任一场景类别相对应的所述映射函数是基于与所述任一场景类别相对应的图像分类阈值以及所述预设统一阈值而确定的。

9.一种基于场景的图像分类系统，其特征在于，所述系统包括存储装置和处理器，所述存储装置上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1-7中的任一项所述的基于场景的图像分类方法。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-7中的任一项所述的基于场景的图像分类方法。