[发明专利]一种图像分类方法、装置、电子设备和存储介质

说明书

本申请实施例公开了一种图像分类方法，该方法包括：获得待分类的图像；将待分类的图像输入不同的分类模型中，分别得到每一分类模型输出的每一特征信息；其中，不同的分类模型包括第一种分类模型和第二种分类模型，第一种分类模型能基于深度可分离卷积运算对待分类的图像进行特征提取，且第二种分类模型与第一种分类模型基于不同的处理方式对待分类的图像进行特征提取；基于多个特征信息，对待分类的图像进行细粒度分类以得到分类结果。本申请的实施例同时还公开了一种图像分类装置、电子设备和存储介质。

技术领域

本申请涉及但不限于图像分类技术领域，尤其涉及一种图像分类方法、装置、电子设备和存储介质。

背景技术

细粒度图像分类又被称作子类别图像分类，其目的是对粗粒度的大类别进行更加细致的子类划分。

目前，在进行细粒度图像分类的过程中，首先基于图像数据库进行初步训练得到一个训练好的分类模型，然后继续在细粒度的数据集上进行微调，使得训练好的分类模型能更适用于区分子类别。然而，这种通过单一模型进行细粒度图像分类得到的结果存在准确性差的问题。

申请内容

本申请实施例期望提供一种图像分类方法、装置、电子设备和存储介质，解决了相关技术中通过单一模型进行细粒度图像分类得到的结果存在准确性差的问题，提升了细粒度图像分类的准确性。

本申请的技术方案是这样实现的：

一种图像分类方法，所述方法包括：

获得待分类的图像；

将所述待分类的图像输入不同的分类模型中，分别得到每一分类模型输出的每一特征信息；其中，所述不同的分类模型包括第一种分类模型和第二种分类模型，所述第一种分类模型能基于深度可分离卷积运算对所述待分类的图像进行特征提取，且所述第二种分类模型与所述第一种分类模型基于不同的处理方式对所述待分类的图像进行特征提取；

基于多个特征信息，对所述待分类的图像进行细粒度分类以得到分类结果。

可选的，所述基于多个特征信息，对所述待分类的图像进行细粒度分类以得到分类结果，包括：

对多个特征信息进行拼接处理，得到第一目标特征信息；

对所述第一目标特征信息进行降维，得到降维后的第二目标特征信息；

基于所述第二目标特征信息，对所述待分类的图像进行细粒度分类以得到所述分类结果。

可选的，所述对所述第一目标特征信息进行降维，得到降维后的第二目标特征信息，包括：

基于主成分分析方式对所述第一目标特征信息进行降维，得到所述第二目标特征信息。

可选的，所述第二目标特征信息包括的各特征信息之间存在差异性。

可选的，所述第二种分类模型包括目标分类模型，所述多个特征信息包括所述目标分类模型基于多个尺度的卷积核对所述待分类的图像进行特征提取所得到的特征信息。

可选的，所述第二种分类模型还包括至少一个残差网络模型，所述多个特征信息包括所述至少一个残差网络模型对所述待分类的图像进行特征提取所得到的特征信息。

可选的，所述残差网络模型的数量为多个，且不同残差网络模型的网络层数之间具有关联关系。

一种图像分类装置，所述图像分类装置包括：

获得模块，用于获得待分类的图像；