[发明专利]图像分类方法、模型的训练方法、设备及存储介质

说明书

本申请实施例提供了一种图像分类方法、模型的训练方法、设备及存储介质。图像分类方法包括：获取待处理图像以及用于对待处理图像进行分析处理的类别集合，类别集合中包括多个参考类别；确定待处理图像的图像特征以及与类别集合相对应的类别集合特征；基于图像特征和类别集合特征，确定与待处理图像相对应的类别上下文特征，类别上下文特征包括：图像特征以及至少部分的类别集合特征；基于图像特征和类别上下文特征进行图像处理，获得与待处理图像相对应的目标类别。本实施例中，基于图像特征和类别上下文特征进行图像处理，可以准确地进行图像分类操作，尤其对于相似图像，同样能够准确地识别图像的目标类别，进一步提高了该方法的实用性。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像分类方法、模型的训练方法、设备及存储介质。

背景技术

目前，主流的图像分类网络往往是基于前向视觉识别范式进行训练所获得，即先获得训练图像，而后基于训练图像获得学习表征，并基于学习表征进行视觉分类网络的训练操作，获得图像分类网络。

虽然通过上述方式所获得的图像分类网络能够准确地对不同类别的图像进行分类操作，然而，上述图像分类网络无法对相似图像进行准确地分类操作，这样难以满足较为严格的图像分类需求。

发明内容

本申请实施例提供一种图像分类方法、模型的训练方法、设备及存储介质，能够准确地对相似图像进行分类操作，满足了较为严格的图像分类需求。

第一方面，本申请实施例提供了一种图像分类方法，包括：

获取待处理图像以及用于对所述待处理图像进行分析处理的类别集合，所述类别集合中包括多个参考类别；

确定所述待处理图像的图像特征以及与所述类别集合相对应的类别集合特征；

基于所述图像特征和所述类别集合特征，确定与所述待处理图像相对应的类别上下文特征，所述类别上下文特征包括：所述图像特征以及至少部分的类别集合特征；

基于所述图像特征和所述类别上下文特征进行图像处理，获得与所述待处理图像相对应的目标类别。

第二方面，本申请实施例提供了一种图像分类装置，包括：

第一获取模块，用于获取待处理图像以及用于对所述待处理图像进行分析处理的类别集合，所述类别集合中包括多个参考类别；

第一确定模块，用于确定所述待处理图像的图像特征以及与所述类别集合相对应的类别集合特征；

第一确定模块，用于基于所述图像特征和所述类别集合特征，确定与所述待处理图像相对应的类别上下文特征，所述类别上下文特征包括：所述图像特征以及至少部分的类别集合特征；

第一处理模块，用于基于所述图像特征和所述类别上下文特征进行图像处理，获得与所述待处理图像相对应的目标类别。

第三方面，本申请实施例提供了一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面所示的图像分类方法。

第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面所示的图像分类方法。

第五方面，本发明实施例提供了一种计算机程序产品，包括：计算机程序，当所述计算机程序被电子设备的处理器执行时，使所述处理器执行上述第一方面所示的图像分类方法中的步骤。

第六方面，本发明实施例提供了一种网络模型的训练方法，包括：

获取训练图像、与所述训练图像相对应的标准类别以及用于实现图像分类操作的类别集合，所述类别集合中包括多个参考类别；