[发明专利]一种图像分类方法

权利要求书

1.一种图像分类方法，其特征在于，包括：

标记训练图像的预设关键点的位置及可见性；

根据预设关键点的位置确定关键点位置预测算法；

根据关键点的可见性确定可见性预测算法；

获取待分类图像的全局特征；

根据所述关键点位置预测算法预测所述待分类图像的所述预设关键点的位置；

根据可见性预测算法预测所述待分类图像的所述预设关键点的可见性；

根据所述预设关键点的位置及可见性提取局部特征；

根据所述全局特征与所述局部特征拼接后的结果预测对应的分类结果。

2.根据权利要求1所述的图像分类方法，其特征在于，根据预设关键点对应标记的位置确定关键点位置预测算法之前还包括：

标记所述训练图像所属的类别；

根据所述类别及训练图像的相似度确定图像分类算法；

相应的，根据所述全局特征与所述局部特征拼接后的结果预测对应的分类结果包括：

根据所述全局特征与所述局部特征拼接后的结果及所述图像分类算法预测对应的分类结果。

3.根据权利要求1所述的图像分类方法，其特征在于，获取待分类图像的全局特征之前还包括：

通过全卷积网络算法处理待分类图像。

4.根据权利要求1所述的图像分类方法，其特征在于，所述预设关键点包括图像中人物的双眼连线的中心、左肩、右肩及胸部的中心。

5.根据权利要求2所述的图像分类方法，其特征在于，根据所述全局特征与所述局部特征拼接后的结果及所述图像分类算法预测对应的分类结果之后还包括：

若获取到所述待分类图像的所述预设关键点的位置及可见性的训练损失，则第一步增大系数训练所述关键点位置预测算法及所述可见性预测算法，并减少或不变系数训练所述图像分类算法；

第二步增大系数训练所述图像分类算法，并减少或不变系数训练所述关键点位置预测算法及所述可见性预测算法；

所述第一步及第二步可交替重复执行。

6.根据权利要求2所述的图像分类方法，其特征在于，根据所述全局特征与所述局部特征拼接后的结果及所述图像分类算法预测对应的分类结果之后还包括：

若获取到所述待分类图像的所述预设关键点的位置及可见性的训练损失，则增大损失种类训练所述关键点位置预测算法、所述可见性预测算法及所述图像分类算法；

或减小损失种类训练所述关键点位置预测算法、所述可见性预测算法及所述图像分类算法；

或改变损失种类训练所述关键点位置预测算法、所述可见性预测算法及所述图像分类算法。

7.根据权利要求1所述的图像分类方法，其特征在于，根据预设关键点对应标记的位置确定关键点位置预测算法包括：

根据预设关键点对应标记的位置通过均方误差损失函数确定关键点位[]置预测算法。

8.根据权利要求1所述的图像分类方法，其特征在于，根据关键点的可见性确定可见性预测算法包括：

根据关键点的可见性通过交叉熵损失函数确定可见性预测算法。

9.根据权利要求1所述的图像分类方法，其特征在于，所述全局特征与所述局部特征拼接包括：

将所述全局特征及所述局部特征分别转换成一维数据；

将所述一维数据直接拼接。