[发明专利]图像分类方法、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，将所述待分类图像划分为多段子图像；

通过图像分类模型的多条支路对每段子图像分别进行卷积和全连接处理，得到对应的特征节点；所述图像分类模型的每条支路包括多个支路卷积层和至少一个支路全连接层；

通过图像分类模型的干路将所述多段子图像中每段子图像所对应的特征节点进行全连接处理，得到最终分类标签；所述图像分类模型包括至少一个干路全连接层。

2.根据权利要求1所述的方法，其特征在于，

所述通过图像分类模型的多条支路对每段子图像分别进行卷积和全连接处理，得到对应的特征节点，包括：

将所述多段子图像分别同时输入到图像分类模型中各支路卷积层和支路全连接层进行处理，得到每段子图像所对应的特征节点；

所述通过图像分类模型的干路将所述多段子图像中每段子图像所对应的特征节点进行全连接处理，得到最终分类标签，包括：

将所述多段子图像中每段子图像所对应的特征节点输入到所述图像分类模型中各支路全连接层之后的至少一个干路全连接层进行处理，得到最终分类标签。

3.根据权利要求2所述的方法，其特征在于，所述图像分类模型的训练过程，包括：

获取训练集，所述训练集包括多个训练样本，每个训练样本包括一张训练图像所划分的多段训练子图像和所述训练图像所对应的分类标签；

获取神经网络模型，所述神经网络模型包括多条支路、至少一个干路全连接层和多个输出节点，每条支路包括一个输入块、多个支路卷积层、至少一个支路全连接层和与每个输入块对应的一个或多个特征节点；

将所述训练集中每个训练样本中的多段训练子图像同时输入所述神经网络模型的多个输入块进行支路卷积层和支路全连接层处理，得到每段训练子图像所对应的特征节点，所述每条支路的支路卷积层和支路全连接层的结构和数量根据所述训练集确定；

将所述多段训练子图像中每段训练子图像所对应的特征节点进行干路全连接层处理，通过所述输出节点输出得到预估分类标签；

根据所述预估分类标签和所述训练图像所对应的分类标签进行比较，根据比较结果调整所述神经网络模型的参数；

利用所述训练集中的训练样本对调整了参数的神经网络模型继续训练，得到图像分类模型。

4.根据权利要求3所述的方法，其特征在于，所述获取训练集包括：

获取训练图像，并获取所述训练图像的分类标签；

划分所述训练图像，得到多段训练子图像；

根据所述多段训练子图像和所述训练图像的分类标签得到一个训练样本；

整合多个训练样本得到所述训练集。

5.根据权利要求3所述的方法，其特征在于，所述输入块的个数与所述每张训练图所划分的训练子图像的个数相同；

所述神经网络模型的每个输入块对应的特征节点数量的确定方式，包括：

获取所述训练集中每张训练图像中相同段数的训练子图像，对所述段数相同的训练子图像进行聚类处理，得到当前段数的聚类个数，根据所述当前段数的聚类个数获取当前段数对应的输入块对应的特征节点的个数；

或者，获取一组预设的节点值，根据所述一组预设的节点值获取每一个输入块对应的特征节点的个数。

6.根据权利要求3所述的方法，其特征在于，所述神经网络模型的每个输入块对应的输出节点数量的确定方式，包括：

根据所述训练图像的分类标签，获取所述训练集中所有分类标签的类别数量；根据所述类别数量获取所述输出节点个数，所述输出节点个数等于所述类别数量。

7.根据权利要求1所述的方法，其特征在于，所述获取待分类图像，将所述待分类图像划分为多段子图像包括：

按照所述待分类图像的形成次序进行划分，或者按照所述待分类图像的形成阶段进行划分，得到多段子图像。