[发明专利]图像分类模型构建方法、装置、计算机设备和存储介质

权利要求书

1.一种图像分类模型构建方法，其特征在于，所述方法包括：

获取小样本图像集；

通过初始卷积核对所述小样本图像集中的各样本图像进行卷积运算，计算卷积后的样本图像之间的相似度，根据所述相似度在所述初始卷积核中筛选第一卷积核；

对所述小样本图像集进行数据增强，得到目标图像集，根据所述目标图像集生成第二卷积核；

根据指定卷积核尺寸对应的卷积核参数随机生成第三卷积核；

根据所述第一卷积核、所述第二卷积核以及所述第三卷积核构建得到图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述图像分类模型包括多个网络层，所述方法还包括：

获取待分类图像；

将所述待分类图像输入至所述图像分类模型中，通过所述图像分类模型中卷积层的第一卷积核、第二卷积核以及第三卷积核对所述待分类图像进行特征提取，将提取的特征数据进行组合，得到综合特征数据；

将所述综合特征数据输入至池化层，通过所述池化层对所述综合特征数据进行降维处理；

将降维处理后的综合特征数据输入全连接层，对所述降维处理后的综合特征数据进行分类得到分类结果；

通过输出层根据所述分类结果输出所述待分类图像对应的类别。

3.根据权利要求2所述的方法，其特征在于，所述通过所述图像分类模型中卷积层的第一卷积核、第二卷积核以及第三卷积核对所述待分类图像进行特征提取，将提取的特征数据进行组合，得到综合特征信息包括：

通过所述第一卷积核提取所述待分类图像的拓扑特征数据；

通过所述第二卷积核提取所述待分类图像的几何特征数据；

通过所述第三卷积核提取所述待分类图像的分类特征数据；

将所述拓扑特征数据、所述几何特征数据以及所述分类特征数据进行组合，得到综合特征数据。

4.根据权利要求1所述的方法，其特征在于，所述通过初始卷积核对所述小样本图像集中的各样本图像进行卷积运算包括：

获取随机生成的卷积核；

将所述随机生成的卷积核作为初始卷积核，根据所述初始卷积核的卷积核参数与所述小样本图像集中的各样本图像进行卷积运算。

5.根据权利要求1所述的方法，其特征在于，所述根据所述相似度在所述初始卷积核中筛选第一卷积核包括：

将所述相似度与相似度阈值进行比较，确定各初始卷积核对应的所述小样本图像集对应的图像分类结果；

根据所述图像分类结果在所述初始卷积核中筛选满足预设条件的卷积核，得到第一卷积核。

6.根据权利要求1所述的方法，其特征在于，所述对所述小样本图像集进行数据增强，得到目标图像集包括：

在所述小样本图像集中提取样本图像；

对所述样本图像进行图像变换处理，得到虚拟图像；

根据所述虚拟图像以及所述小样本图像集得到目标图像集。

7.根据权利要求1至6任意一项所述的方法，其特征在于，在所述根据所述目标图像集生成第二卷积核之后，还包括：

对所述第二卷积核进行训练，确定所述第二卷积核的卷积核参数对应的张成空间；

在训练过程中将所述第二卷积核的卷积核参数沿着所述张成空间的垂直方向进行修改。

8.一种图像分类模型构建装置，其特征在于，所述装置包括：

通信模块，用于获取小样本图像集；

筛选模块，用于通过初始卷积核对所述小样本图像集中的各样本图像进行卷积运算，计算卷积后的样本图像之间的相似度，根据所述相似度在所述初始卷积核中筛选第一卷积核；

增强模块，用于对所述小样本图像集进行数据增强，得到目标图像集，根据所述目标图像集生成第二卷积核；

生成模块，用于根据指定卷积核尺寸对应的卷积核参数随机生成第三卷积核；

构建模块，用于根据所述第一卷积核、所述第二卷积核以及所述第三卷积核构建得到图像分类模型。