[发明专利]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，包括：

获取待处理图像的输入特征图，其中，所述输入特征图包括多个所述输入子特征图；

根据神经网络的特征提取核，对所述输入特征图进行特征提取处理，得到输出特征图，其中，所述输出特征图包括多个所述输出子特征图，所述多个所述输出子特征图中的每一个是根据对应的一个所述输入子特征图与所述特征提取核确定的，至少一个所述输出子特征图是根据取绝对值后的目标矩阵确定得到的，所述目标矩阵与其对应的所述输入子特征图的差为所述特征提取核；

基于所述输出特征图对所述待处理图像进行分类，得到所述待处理图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述目标矩阵是由所述至少一个输入子特征图与所述特征提取核进行矩阵加法或矩阵减法得到的。

3.根据权利要求2所述的方法，其特征在于，所述至少一个输出子特征图是由如下公式得到的：

或

其中，|(·)|为取绝对值运算，∑(·)为求和运算，Y(m,n,t)为所述至少一个输出子特征图，Y(m,n,t)为所述输出特征图中第m行、第n列及第t页的元素，X(m+i,n+j,k)为所述至少一个输入子特征图中的第i行、第j列及第k页的元素，F(i,j,k,t)为所述特征提取核中的第i行、第j列及第k页的元素，t为所述特征提取核的通道数，d为所述特征提取核的行数，C为所述输入特征图的通道数，d、C、i、j、k、m、n、t均为整数。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述特征提取核的梯度是根据所述目标矩阵确定得到的，所述输入子特征图的梯度是根据所述目标矩阵确定得到的。

5.根据权利要求4所述的方法，其特征在于，在T(m,n,i,j,k,t)的取值在预设的取值范围内的情况下，F(i,j,k,t)的梯度由T(m,n,i,j,k,t)的取值确定，X(m+i,n+j,k)的梯度由T(m,n,i,j,k,t)的取值确定；

其中，T(m,n,i,j,k,t)＝X(m+i,n+j,k)±F(i,j,k,t)，F(i,j,k,t)为所述特征提取核中的第i行、第j列及第k页的元素，X(m+i,n+j,k)为所述至少一个输入子特征图中的第i行、第j列及第k页的元素，i、j、k、m、n、t均为整数。

6.根据权利要求5所述的方法，其特征在于，所述F(i,j,k,t)的梯度是由如下公式得到的：

所述X(m+i,n+j,k)的梯度是由如下公式得到的：

其中，为F(i,j,k,t)的梯度，为X(m+i,n+j,k)的梯度。

7.一种图像分类装置，其特征在于，包括：

获取单元，用于获取待处理图像的输入特征图，其中，所述输入特征图包括多个所述输入子特征图；

特征提取单元，用于根据神经网络的特征提取核，对所述输入特征图进行特征提取处理，得到输出特征图，其中，所述输出特征图包括多个所述输出子特征图，所述多个所述输出子特征图中的每一个是根据对应的一个所述输入子特征图与所述特征提取核确定的，至少一个所述输出子特征图是根据取绝对值后的目标矩阵确定得到的，所述目标矩阵与其对应的所述输入子特征图的差为所述特征提取核；

分类单元，用于基于所述输出特征图对所述待处理图像进行分类，得到所述待处理图像的分类结果。

8.根据权利要求7所述的装置，其特征在于，所述目标矩阵是由所述至少一个输入子特征图与所述特征提取核进行矩阵加法或矩阵减法得到的。