[发明专利]一种图像分类方法、装置、计算机设备和存储介质有效

专利信息
申请号: 202011628943.0 申请日: 2020-12-30
公开(公告)号: CN112668656B 公开(公告)日: 2023-10-13
发明(设计)人: 王东;程骏;张惊涛;胡淑萍;顾在旺;郭渺辰;刘业鹏;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
代理公司: 深圳中细软知识产权代理有限公司 44528 代理人: 王志强
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 分类 方法 装置 计算机 设备 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:

获取待分类图像;

将所述待分类图像作为输入特征图,使用预先训练好的图像分类模型得到所述待分类图像的分类类别,所述图像分类模型包括卷积层,所述卷积层对应一个动态激活函数,所述卷积层用于对所述输入特征图进行卷积处理得到中间特征图,所述动态激活函数包括动态参数,所述动态参数是根据所述中间特征图生成的,所述动态激活函数用于对所述中间特征图进行非线性映射得到输出特征图。

2.根据权利要求1所述的方法,其特征在于,所述动态激活函数是由N个激活函数和N个激活函数权重因子组成,每个所述激活函数对应一个所述激活函数权重因子,所述激活函数权重因子为所述动态激活函数的动态参数。

3.根据权利要求2所述的方法,其特征在于,所述动态参数的生成包括:

对所述中间特征图进行自适应池化操作以得到第一一维向量;

通过全连接层对所述第一一维向量的长度进行转换以得到第二一维向量;

对所述第二一维向量进行归一化处理以得到动态激活函数的激活函数权重因子。

4.根据权利要求2所述的方法,其特征在于,所述输入特征图包括C个通道,每个所述通道对应一个通道输入特征图,所述卷积层用于对每个所述通道输入特征图进行卷积处理得到每个通道对应的通道中间特征图;所述动态激活函数包括C×N个动态通道激活函数,每个所述通道对应N个动态通道激活函数,每个所述动态通道激活函数对应一个动态通道激活函数权重因子,每个所述动态通道激活函数权重因子是根据所述通道中间特征图生成的,所述动态通道激活函数用于对相应的通道中间特征图进行非线性映射得到输出通道特征图。

5.根据权利要求4所述的方法,其特征在于,所述动态通道激活函数权重因子的生成包括:

对所述通道中间特征图进行自适应池化操作以得到长度为1的第三一维向量;

通过全连接层对所述第三维向量的长度进行转换以得到长度为N的第四一维向量;

对所述第四一维向量进行归一化处理以得到N个所述动态通道激活函数的动态通道激活函数权重因子。

6.根据权利要求2所述的方法,其特征在于,所述卷积层为多个,所述将所述待分类图像作为输入特征图,使用预先训练好的图像分类模型得到所述待分类图像的分类类别包括:

将所述待分类图像作为第一输入特征图,输入至预先训练好的图像分类模型的首层卷积层以得到第一中间特征图;

根据所述第一中间特征图确定第一动态激活函数的第一激活函数权重因子;

使用所述第一动态激活函数对所述第一中间特征图进行非线性映射得到第一输出特征图;

将所述第一输出特征图输入至第二层卷积层以得到第二中间特征图;

根据所述第二中间特征图确定第二动态激活函数的第二激活函数权重因子;

使用所述第二动态激活函数对所述第二中间特征图进行非线性映射得到第二输出特征图,直至得到尾层卷积层的最终输出特征图;

根据所述最终输出特征图确定所述待分类图像的分类类别。

7.根据权利要求1所述的方法,其特征在于,所述图像分类模型为MobileNet-V3模型,所述动态激活函数包括ReLU6激活函数和HardSwish激活函数。

8.一种图像分类装置,其特征在于,所述装置包括:

图像获取模块,用于获取待分类图像;

图像分类模块,用于将所述待分类图像作为输入特征图,使用预先训练好的图像分类模型得到所述待分类图像的分类类别,所述图像分类模型包括卷积层,所述卷积层对应一个动态激活函数,所述卷积层用于对所述输入特征图进行卷积处理得到中间特征图,所述动态激活函数包括动态参数,所述动态参数是根据所述中间特征图生成的,所述动态激活函数用于对所述中间特征图进行非线性映射得到输出特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011628943.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top