[发明专利]一种图像分类方法及装置

说明书

本申请实施例公开了一种图像分类方法及装置，在对视频序列进行分类之前，获取待分类视频序列，并根据该待分类视频序列获取权重集合，该权重集合中包括待分类视频序列所包括的各帧图像对应的权重。同时从该待分类视频序列中提取图像特征集合，根据该图像特征集合中每个图像特征以及该图像特征对应的权重进行加权求和，获得最终的待分类图像特征，以利用最终的待分类图像特征进行图像分类。即，在进行图像分类时，考虑了视频序列中每帧图像的质量参数(权重)，加大质量较好的图像在识别时的作用，从而提高图像识别的准确率。

技术领域

本申请涉及图像识别技术领域，具体涉及一种图像分类方法及装置。

背景技术

图像识别技术是人工智能的一个重要领域，尤其人脸识别和物体识别在越来越多的领域中进行应用。目前的图像识别技术主要利用神经网络模型通过提取所输入图像的图像特征，并对图像特征进行分析处理获得该图像的分类结果。

然而，在一些应用场景下，由于光照、天气等原因导致采集的视频序列中某些帧的图像质量较差，在进行对象识别时，质量较差的若干个帧图像将影响分类结果。

发明内容

有鉴于此，本申请实施例提供一种图像分类方法及装置，以实现在进行图像分类时将结合每帧图像的质量进行识别，提高分类准确率。

为解决上述问题，本申请实施例提供的技术方案如下：

在本申请实施例第一方面，提供了一种图像分类方法，该方法可以包括：

获取待分类视频序列，所述待分类视频序列包括至少两帧图像；

根据所述待分类视频序列获取权重集合，所述权重集合包括各帧图像对应的权重；

从所述待分类视频序列中提取图像特征集合，所述图像特征集合包括至少两帧图像各自对应的图像特征；

根据所述图像特征集合以及所述权重集合获得待分类图像特征；

根据所述待分类图像特征获得所述待分类视频序列对应的分类结果。

在一种可能的实现方式中，所述根据所述待分类视频序列获取权重集合，包括：

将所述待分类视频序列输入图像质量评价模型，获得权重集合，所述图像质量评价模型是根据训练视频序列以及所述训练视频序列对应的分类标签训练生成的。

在一种可能的实现方式中，所述根据所述待分类图像特征获得所述待分类视频序列对应的分类结果，包括：

将所述待分类图像特征输入图像分类模型，获得分类结果，所述图像分类模型为根据训练视频序列对应的图像特征集合以及所述训练视频序列对应的分类标签训练生成的。

在一种可能的实现方式中，所述图像质量评价模型训练过程，包括：

获取训练视频序列，所述训练视频序列包括至少两帧图像；

将所述训练视频序列输入初始网络模型，获得权重集合；

从所述训练视频序列中提取图像特征集合，所述图像特征集合包括至少两帧图像各自对应的图像特征；

根据所述图像特征集合以及所述权重集合获得训练图像特征；

根据所述训练图像特征获得分类结果；

根据所述分类结果以及所述训练视频序列对应的分类标签调整所述初始网络模型的参数，直至所述分类结果与所述分类标签之间的距离满足预设条件，生成图像质量评价模型。

在一种可能的实现方式中，所述根据所述训练图像特征获得分类结果，包括：

将所述训练图像特征输入图像分类模型，获得分类结果。