[发明专利]图像的分类方法、装置、电子设备及存储介质

说明书

本发明提供一种图像的分类方法、装置、电子设备及存储介质。其中，图像的分类方法，包括：获取原始图像样本中训练样本的训练样本矩阵以及测试样本的测试样本矩阵；基于所述训练样本矩阵和所述测试样本矩阵，获得所述训练样本和所述测试样本之间的数据点距离；基于所述训练样本和所述测试样本之间的数据点距离，优化所述原始图像样本间的差异；基于优化后的原始图像样本进行特征提取和分类。本发明的图像的分类方法，根据本发明实施例的图像的分类方法，可以有效提取出视图的特征之间存在的鉴别信息，提高分类的效果，用于实际视频图像业务中，如视频人脸定位等，增加了用户粘性，提高了用户量。

技术领域

本发明涉及互联网技术领域，尤其涉及一种图像的分类方法、装置、电子设备及存储介质。

背景技术

以半监督学习方法为基础，进行多视图的特征提取。其最终的投影矩阵是经过半监督学习方法，在多视图中的应用，再考虑提取出的鉴别信息进行处理之后，作为全新的投影特征矩阵，用于对数据样本的投影并分类，该方法事基于整个鉴别多视图中使用数据的原始图像样本都是在全局概念的基础之上，通过图像分类进行验证的。但如果从图像样本数据结构本身出发，会发现原始图像样本所呈现的是整体处于非线性结构，而局部处于线性结构这样的规律，所以只从原始图像样本全局考虑的话是不足以反应样本数据本质属性和其内在结构，进而，影响后续的特征提取和分类的效果。

发明内容

本发明提供一种图像的分类方法、装置、电子设备及存储介质，可以有效提取出视图的特征之间存在的鉴别信息，提高分类的效果。

本发明提供一种图像的分类方法，包括：

获取原始图像样本中训练样本的训练样本矩阵以及测试样本的测试样本矩阵；

基于所述训练样本矩阵和所述测试样本矩阵，获得所述训练样本和所述测试样本之间的数据点距离，并基于所述训练样本和所述测试样本之间的数据点距离，优化所述原始图像样本间的差异；

基于优化后的原始图像样本进行特征提取和分类。

根据本发明提供的一种图像的分类方法，所述基于所述训练样本矩阵和所述测试样本矩阵，获得所述训练样本和所述测试样本之间的数据点距离，包括：

获取所述训练样本矩阵的流形表示以及所述测试样本矩阵的流形表示；

基于所述训练样本矩阵的流形表示和所述测试样本矩阵的流形表示，得到所述训练样本和所述测试样本之间的数据点距离。

根据本发明提供的一种图像的分类方法，所述基于所述训练样本和所述测试样本之间的数据点距离，优化所述原始图像样本间的差异，包括：

基于所述训练样本矩阵的流形表示以及所述测试样本矩阵的流形表示，获得流形优化传输问题的最优化函数，并基于所述最优化函数优化所述原始图像样本。

根据本发明提供的一种图像的分类方法，所述基于所述最优化函数优化所述原始图像样本，包括：

根据所述训练样本和所述测试样本之间的数据点距离，求取所述最优化函数的最优解，以得到所述原始图像样本间的最优距离，并根据所述最优距离优化所述原始图像样本。

根据本发明提供的一种图像的分类方法，获取原始图像样本中训练样本的训练样本矩阵以及测试样本的测试样本矩阵，包括：

以预设的训练样本数量和测试样本数量比例，对所述原始图像样本进行划分，得到所述训练样本和所述测试样本；

基于所述训练样本生成训练样本矩阵以及基于所述测试样本生成测试样本矩阵。

根据本发明提供的一种图像的分类方法，所述预设的训练样本数量和测试样本数量比例为1：3。