[发明专利]一种图像分类方法及装置

权利要求书

1.一种图像分类方法，其特征在于，包括以下步骤：

S1、对原始图像数据进行处理，然后进行批处理形成训练集；

S2、将步骤S1的训练集数据输入VGG16模型丰富其局部表征和全局表征特性，并据此计算出VGG16模型总交叉熵Loss；

S3、判断步骤S2得到的VGG16模型的Loss曲线是否收敛，是则执行步骤S4，否则调整步骤S2的VGG16模型超参数重复步骤S2和步骤S3，直至loss曲线收敛；

S4、VGG16模型收敛后，通过Softmax分类器得到分类结果，然后对分类结果进行投票统计得到最终预测类别；

S5、根据步骤S4的最终预测类别，计算VGG16模型分类精度；

S6、通过步骤S5的VGG16模型对图像进行分类；

步骤S2的具体过程如下：

S201、搭建VGG16模型，其包含conv1、conv2、conv3、conv4、conv5以及Fc6六个特征层组合模块；

S202、分别提取步骤S201的VGG16模型中conv1、conv2、conv3、conv4、conv5、Fc6六个特征层组合模块的特征输出，分别记为f₁，f₂，f₃，f₄，f₅，f₆；

S203、根据步骤S202的六个特征输出，得出特征集合和维度；具体过程为：F＝{f₁，f₂，f₃，f₄，f₅，f₆}，其中f₁，f₂，f₃，f₄，f₅，f₆分别对应conv1、conv2、conv3、conv4、conv5、Fc6各模块的特征输出，F为此些特征的集合，f_i维度为(h,w,c)，分别表示高度，宽度和通道数，此处的i∈(1,2,3,4,5),由于f₆为全连接特征模块的输出，维度为D；

S204、完成步骤S203后接入1×1的卷积核将卷积层特征通道进行合并，使卷积层特征通道数缩减为1，即f_i维度变更为(h,w,1)；

S205、完成步骤S204后将从通道数缩减后的卷积层特征按照h×w的组合维度铺展开，并分别接入多层感知机MLP将维度降为与分类数相同得到分类特征向量集合:C＝{c₁，c₂，c₃，c₄，c₅，c₆}，其中c₁，c₂，c₃，c₄，c₅，c₆分别为对应f₁，f₂，f₃，f₄，f₅，f₆经过维度整合后分类特征，包含着多个粒度表征特性；

S206、计算VGG16模型总交叉熵Loss。

2.根据权利要求1所述的一种图像分类方法，其特征在于，步骤S1中对原始图像的处理包括随机裁剪、旋转、镜像、缩放中任一种或多种。

3.根据权利要求1所述的一种图像分类方法，其特征在于，步骤S1中批处理形成训练集的具体过程为：将处理后的数据按设定训练批次大小进行分类，表示为：trainset＝X＝{x_n}_{n∈[1,batchsize]}，其中，X为批处理后多张图片的集合，x_n代表训练集中的第n张图片，batchsize为每个批次集合中的图片数量。