[发明专利]图像分类方法、网络、计算机设备和存储介质

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

获取待分类的图像；所述待分类的图像为具有对称结构的图像；

将所述待分类的图像进行切分，得到至少两个具有对称关系的第一图像和第二图像；

对所述第一图像进行处理，得到第三图像；所述第三图像中的结构与所述第二图像中的结构具有相同的朝向；

对所述第二图像进行特征提取，得到第一特征图，对所述第三图像进行特征提取，得到第二特征图；

根据所述第一特征图和所述第二特征图，得到所述待分类的图像的特征向量；

根据所述特征向量，得到所述待分类的图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征图和所述第二特征图，得到所述待分类的图像的特征向量，包括：

根据所述第一特征图和所述第二特征图，得到所述第一特征图和所述第二特征图间的差异值；

根据所述第一特征图、所述第二特征图和所述差异值，得到所述待分类的图像的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一特征图、所述第二特征图和所述差异值，得到所述待分类的图像的特征向量，包括：

对所述第一特征图进行池化处理，将所述第一特征图转化为第一特征向量；

对所述第二特征图进行池化处理，将所述第二特征图转化为第二特征向量；

对所述差异值进行池化处理，将所述差异值转化为第三特征向量；

对所述第一特征向量、所述第二特征向量和所述第三特征向量进行特征融合，得到所述待分类的图像的特征向量。

4.根据权利要求1所述的方法，其特征在于，所述第一图像中包括多个第一图像块，所述第二图像中包括多个第二图像块；所述方法还包括：

确定所述待分类的图像中所述对称结构的对称轴方向；

根据所述对称轴方向，摆正所述待分类的图像，得到摆正后的图像；

在所述摆正后的图像中，确定出所述对称结构的外接矩形；

根据所述对称结构的外接矩形，得到所述多个第一图像块和所述多个第二图像块。

5.一种图像分类网络，其特征在于，所述图像分类网络包括：特征提取子网络、特征融合子网络和分类子网络；所述特征提取子网络、所述特征融合子网络、所述分类子网络依次连接；

所述特征提取子网络，用于获取待分类的图像对应的第一图像的第一特征图和所述待分类的图像对应的第二图像的第二特征图；所述待分类的图像为具有对称结构的图像；所述第一图像中的结构与所述第二图像中的结构具有相同的朝向；

所述特征融合子网络，用于根据所述第一特征图和所述第二特征图，得到所述待分类的图像的特征向量；

所述分类子网络，用于根据所述特征向量，得到所述待分类的图像的分类结果。

6.根据权利要求5所述的图像分类网络，其特征在于，所述图像分类网络的训练过程，包括：

获取训练样本；所述训练样本包括待分类的样本图像、所述待分类的样本图像对应的第一样本图像、所述待分类的样本图像对应的第二样本图像和标准分类结果标签；其中，所述待分类的样本图像为具有所述对称结构的图像；所述第一样本图像中的结构与所述第二样本图像中的结构具有相同的朝向；所述标准分类结果标签用于表征所述待分类的样本图像的所述对称结构在目标特性上是否具有对称性；

将所述第一样本图像和所述第二样本图像，输入预设的初始图像分类网络的初始特征提取子网络，得到所述第一样本图像对应的第一样本特征图和所述第二样本图像对应的第二样本特征图；

将所述第一样本特征图和所述第二样本特征图，输入所述初始图像分类网络的初始特征融合子网络，得到所述待分类的样本图像的样本特征向量；

将所述样本特征向量，输入所述初始图像分类网络的初始分类子网络，得到所述待分类样本图像的样本分类结果；

根据所述样本分类结果和所述标准分类结果标签，得到所述初始图像分类网络的损失函数的值，对所述初始图像分类网络进行训练，得到所述图像分类网络。