[发明专利]一种分类方法及装置、设备和存储介质

权利要求书

1.一种分类方法，其特征在于，所述方法包括：

对待处理图像进行特征提取，得到特征图；

确定所述特征图中每一特征通道的权重；

根据所述权重对所述特征图的特征进行重标定；

利用重标定后的特征，对所述待处理图像进行分类。

2.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行特征提取，得到特征图，包括：

利用训练后的卷积神经网络模型中的每一卷积层，对待处理图像进行特征提取，得到每一卷积层对应的特征图；

对应地，所述确定所述特征图中每一特征通道的权重，包括：确定每一卷积层对应的特征图中每一特征通道的权重；

对应地，所述根据所述权重对所述特征图的特征进行重标定，包括：

对每一特征通道的权重进行归一化处理；

将归一化后的所述权重加权到每一特征通道上，实现对每一卷积层对应的特征图的特征的重标定。

3.根据权利要求1所述的方法，其特征在于，所述确定所述特征图中每一特征通道的权重，包括：

对所述特征图进行全局池化，实现空间维度的特征压缩；

构建压缩后的特征对应的特征通道间的相关性，并根据所述特征通道间的相关性为每一特征通道生成权重。

4.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行特征提取，得到特征图，包括：

对待处理图像中的待分类对象进行检测，得到检测结果；

根据所述检测结果，从所述待处理图像中截取出所述待分类对象，得到待分类对象图像；

向所述待分类对象图像中添加预定比例的边距，以使每一待分类对象图像的尺寸相同；

对添加边距后的待分类对象图像进行特征提取，得到特征图。

5.根据权利要求4所述的方法，其特征在于，所述根据所述检测结果，从所述待处理图像中截取出所述待分类对象，得到待分类对象图像之后，所述方法还包括：

如果所述待分类对象图像中包括M个待分类对象，则对所述待分类对象图像进行图像分割，得到M个子图像，每一所述子图像中包含一个待分类对象；其中，M为大于等于2的自然数；

对应地，所述向所述待分类对象图像中添加预定比例的边距，包括：向每一所述子图像中添加预定比例的边距；

对应地，所述对添加边距后的待分类对象图像进行特征提取，得到特征图，包括：对添加边距后的每一所述子图像进行特征提取，得到特征图。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对样本图像集合中的每一样本图像进行预处理，得到训练样本集；

利用所述训练样本集对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述对样本图像集合中的每一样本图像进行预处理，得到训练样本集包括：

按预设光照强度区间变换所述样本图像集合中的每一样本图像的光照强度，得到每一所述样本图像的光照强度在区间分布的第一数据；

按预设对比度区间变换每一所述样本图像的光照强度，得到所述样本图像的对比度在区间分布的第二数据；

根据所述第一数据和所述第二数据，对所述样本图像进行数据增强处理，得到训练样本集。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述对待处理图像进行特征提取，得到特征图，包括：

利用Inception V4卷积神经网络模型，对待处理图像进行特征提取，得到特征图。

9.一种分类装置，其特征在于，所述装置包括：

特征提取单元，用于对待处理图像进行特征提取，得到特征图；

确定单元，用于确定所述特征图中每一特征通道的权重；

重标定单元，用于根据所述权重对所述特征图的特征进行重标定；

分类单元，用于利用重标定后的特征，对所述待处理图像进行分类。