图像分类模型的建立方法、建立装置和设备制造方法及图纸

本发明专利技术提供了一种图像分类模型的建立方法、建立装置和设备，其中，所述图像分类模型的建立方法包括：针对多种训练样本图像，按种类提取每张训练样本图像的特征向量；根据所述特征向量，计算所述每种训练样本图像的特征均值；根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型。通过本发明专利技术的技术方案，可以利用较少的工作量实现多种类图像的分组与分层，并降低过拟合，提系统高识别率。

【技术实现步骤摘要】
图像分类模型的建立方法、建立装置和设备
本专利技术涉及图像处理
，具体而言，涉及一种图像分类模型的建立方法、一种图像分类模型的建立装置和一种具有图像处理功能的设备。
技术介绍
近年以来，随着人工智能以及大数据技术的快速发展，越来越多的产品开始向智能化发展，较之非智能化产品，智能化产品多有功能更加强大，用户的体验更加舒适等特点。在众多智能化产品中，图像识别占有举足轻重的领域，一个完整的图像识别系统以图像作为输入信息，通过不同的方法对图像进行识别，最后输出识别结果。目前主流的图片识别方法，多是使用识别算法建立图像分类模型，具体地，计算每两个图像之间的相似度，并将相似度小于某一阈值的图像全部分为一类，但在为种类繁多的图像建立图像分类模型时，由于种类过多，每两个图像之间的相似度都计算出来，计算量过于繁重。而且利用相似度建立的图像分类模型能够识别出的种类有限。因此，如何利用较少的计算量建立图像分类模型，而且该图像分类模型能够识别出较多种类的图像成为亟待解决的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的一个目的在于提出了一种图像分类本文档来自技高网...

【技术保护点】
一种图像分类模型的建立方法，其特征在于，包括：针对多种训练样本图像，按种类提取每张训练样本图像的特征向量；根据所述特征向量，计算所述多种训练样本图像中的每种训练样本图像的特征均值；根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型。

【技术特征摘要】
1.一种图像分类模型的建立方法，其特征在于，包括：针对多种训练样本图像，按种类提取每张训练样本图像的特征向量；根据所述特征向量，计算所述多种训练样本图像中的每种训练样本图像的特征均值；根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型。2.根据权利要求1所述的图像分类模型的建立方法，其特征在于，所述图像分类模型的每一层包括至少一个节点分类器，所述根据所述每种训练样本图像的特征均值，建立多层树状的图像分类模型，具体包括：当训练所述图像分类模型的任一节点分类器时，判断被训练的节点分类器是否有下一层节点分类器；若判定所述被训练的节点分类器没有下一层节点分类器，则将所述被训练的节点分类器训练成底层分类器；若判定所述被训练的节点分类器有下一层节点分类器，则对所述被训练的节点分类器的识别种类的图像的特征均值进行聚类来确定所述被训练的节点分类器的每个下一层节点分类器的识别种类，以对所述每个下一层节点分类器进行训练。3.根据权利要求2所述的图像分类模型的建立方法，其特征在于，所述判断被训练的节点分类器是否有下一层节点分类器，具体包括：获取所述被训练的节点分类器的识别种类数和种类阈值；根据所述被训练的节点分类器的识别种类数和种类阈值，计算所述被训练的节点分类器的聚类中心个数；根据所述被训练的节点分类器的聚类中心个数和识别种类数，判断所述被训练的节点分类器是否有下一层节点分类器；以及在判定所述被训练的节点分类器有下一层节点分类器的情况下，所述被训练的节点分类器的下一层节点分类器的个数等于所述聚类中心个数。4.根据权利要求3所述的图像分类模型的建立方法，其特征在于，所述根据所述被训练的节点分类器的识别种类数和种类阈值，计算所述被训练的节点分类器的聚类中心个数，具体包括：通过以下公式计算所述聚类中心个数，其中，Ki表示被训练的第i个节点分类器的聚类中心个数，ceil()为取整公式，Ni表示被训练的第i个节点分类器的识别种类数，Ti表示被训练的第i个节点分类器的种类阈值。5.根据权利要求2所述的图像分类模型的建立方法，其特征在于，所述判断被训练的节点分类器是否有下一层节点分类器，具体包括：获取所述被训练的节点分类器的识别种类数和/或识别率；通过判断所述被训练的节点分类器的识别种类数和/或识别率是否在预设范围内，来判断所述被训练的节点分类器是否有下一层节点分类器。6.根据权利要求1至5中任一项所述的图像分类模型的建立方法，其特征在于，所述特征向量为BOW特征向量。7...

【专利技术属性】
技术研发人员：刁梁，胡自强，
申请(专利权)人：美的集团股份有限公司，
类型：发明
国别省市：广东,44