[发明专利]一种用于工业检测的图像分类方法、装置及计算机设备

权利要求书

1.一种用于工业检测的图像分类方法，其特征在于，所述方法包括：

获取第一训练图像的特征向量，并将所述特征向量输入至具有多个类别向量的权重矩阵，所述类别向量根据图像分类需求设定；

扩大角度空间中各初始向量夹角，得到目标向量夹角对应的余弦值，所述初始向量夹角为所述特征向量与各所述类别向量之间的角度；其中，所述余弦值用于确定相似度，所述角度空间是基于所述权重矩阵转化得到的分类空间；

根据所述相似度所在的对应阈值区间，确定所述第一训练图像对应的第一类别。

2.如权利要求1所述的用于工业检测的图像分类方法，其特征在于，所述扩大角度空间中各初始向量夹角，得到目标向量夹角对应的余弦值，进一步包括：

设定分离角度间隔；

求取分离角度间隔与所述初始向量夹角之和、或求取分离角度间隔与所述初始向量夹角之积，得到目标向量夹角；

计算所述目标向量夹角的余弦值。

3.如权利要求2所述的用于工业检测的图像分类方法，其特征在于，计算所述初始向量夹角，进一步包括：

计算所述权重矩阵中的每一个所述类别向量与所述特征向量的点积；

基于所述点积，计算所述特征向量与每一个所述类别向量之间的所述初始向量夹角，所述初始向量夹角是大小为n的一维向量，所述n表示类别向量的类别数。

4.如权利要求3所述的用于工业检测的图像分类方法，其特征在于，所述确定所述相似度，进一步包括：

通过交叉熵损失函数计算所述相似度，所述相似度用于表征所述余弦值与所述类别向量之间的相似程度。

5.如权利要求4所述的用于工业检测的图像分类方法，其特征在于，所述角度空间是基于所述权重矩阵转化得到的分类空间，进一步包括：

计算特征向量模和所述权重矩阵的行参数模；

计算所述特征向量与所述特征向量模的比值、以及所述权重矩阵的行参数与所述行参数模的比值，求取两个比值之积为角度余弦值；

通过所述角度余弦值反余弦计算得到角度，实现将所述权重矩阵转化到所述角度空间。

6.如权利要求1所述的用于工业检测的图像分类方法，其特征在于，获取第一训练图像的特征向量，进一步包括：

通过主干模型从所述第一训练图像中提取所述特征向量，所述特征向量是大小为所述n的一维向量。

7.如权利要求1所述的用于工业检测的图像分类方法，其特征在于，在所述将所述特征向量输入至具有多个类别向量的权重矩阵之后，所述方法还包括：

将所述类别向量按照当前索引位所针对的类别划分为当前索引位类别和其他索引位类别，其中，将所述当前索引位类别表示为1，将所述其他索引位类别表示为0。

8.一种用于工业检测的图像分类装置，其特征在于，包括：

获取模块，用于获取第一训练图像的特征向量，并将所述特征向量输入至具有多个类别向量的权重矩阵，所述类别向量根据图像分类需求设定；

扩大模块，用于扩大角度空间中各初始向量夹角，得到目标向量夹角对应的余弦值，所述初始向量夹角为所述特征向量与各所述类别向量之间的角度；其中，所述余弦值用于确定相似度，所述角度空间是基于所述权重矩阵转化得到的分类空间；

确定模块，用于根据所述相似度所在的对应阈值区间，确定所述第一训练图像对应的第一类别。

9.如权利要求8所述的用于工业检测的图像分类装置，其特征在于，所述扩大模块包括：

设定单元，用于设定分离角度间隔；

第一计算单元，用于求取分离角度间隔与所述初始向量夹角之和、或求取分离角度间隔与所述初始向量夹角之积，得到目标向量夹角；

第二计算单元，用于计算所述目标向量夹角的余弦值。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。