[发明专利]一种图像分类方法、装置、电子设备及存储介质

说明书

本发明提供一种图像分类方法、装置、电子设备及存储介质，该方法包括：确定待分类图像中每一像素的特征表示；基于每一像素的特征表示，以及各个预设类别对应的全局特征表示，确定每一像素的特征增强表示；基于每一像素的特征表示和特征增强表示，确定所述待分类图像对应的预设类别；其中，所述全局特征表示是基于样本图像，以及样本图像中每一像素对应的预设类别确定的。本发明提供的方法、装置、电子设备及存储介质，采用像素级的特征增强方式提高了对图像中细节的表达能力，提高了图像的分类准确性。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种图像分类方法、装置、电子设备及存储介质。

背景技术

深度学习是近年来机器学习领域一个热门研究方向，已经在计算机视觉、自然语言处理等领域获得了巨大的成功。尤其是深度卷积神经网络，凭借局部感受野、共享权值以及特征下采样等特点，在图像分类任务中表现出优越的性能。

现有技术中，一般是通过提取图像特征来对图像进行分类的，图像特征往往是基于整个图像进行提取，对图像中细节的表达能力较差，使得图像的分类准确性差。

发明内容

本发明提供一种图像分类方法、装置、电子设备及存储介质，用以解决现有技术中的图像分类方法对图像中细节的表达能力较差，图像的分类准确性差的技术问题。

本发明提供一种图像分类方法，包括：

确定待分类图像中每一像素的特征表示；

基于每一像素的特征表示，以及各个预设类别对应的全局特征表示，确定每一像素的特征增强表示；

基于每一像素的特征表示和特征增强表示，确定所述待分类图像对应的预设类别；

其中，所述全局特征表示是基于样本图像，以及样本图像中每一像素对应的预设类别确定的。

根据本发明提供的图像分类方法，所述各个预设类别对应的全局特征表示是基于如下步骤确定的：

确定多个样本图像以及每一样本图像中每一像素对应的预设类别；

基于任一样本图像中每一像素的特征表示和对应的预设类别，以及每一像素在所述任一样本图像中的像素位置，确定所述任一样本图像中各个预设类别对应的区域特征表示；

基于每一样本图像中各个预设类别对应的区域特征表示，确定各个预设类别对应的全局特征表示。

根据本发明提供的图像分类方法，所述基于每一样本图像中各个预设类别对应的区域特征表示，确定各个预设类别对应的全局特征表示，包括：

基于每一样本图像中各个预设类别对应的区域特征表示，确定迭代计算序列；

基于当前样本图像中各个预设类别对应的区域特征表示，以及上一次迭代计算的各个预设类别对应的全局特征表示预测值，确定当前次迭代计算的各个预设类别对应的全局特征表示预测值；

将最后一次迭代计算的各个预设类别对应的全局特征表示预测值作为各个预设类别对应的全局特征表示。

根据本发明提供的图像分类方法，所述基于每一像素的特征表示，以及各个预设类别对应的全局特征表示，确定每一像素的特征增强表示，包括：

基于任一像素的特征表示，以及每一预设类别对应的全局特征表示，确定所述任一像素与每一预设类别对应的全局特征表示之间的相似度；

基于所述任一像素与每一预设类别对应的全局特征表示之间的相似度，以及每一预设类别对应的全局特征表示，确定所述任一像素的特征增强表示。

根据本发明提供的图像分类方法，所述基于每一像素的特征表示和特征增强表示，确定所述待分类图像对应的预设类别，包括：