图像分类方法、装置、存储介质及移动终端制造方法及图纸

本申请实施例公开了一种图像分类方法、装置、存储介质及移动终端。该方法包括：获取基于机器学习的预设分类模型，预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类；将第一图像输入至预设分类模型中，并获取预设分类模型输出的第一拍摄场景；确定第一图像对应的拍摄场景类别包括第一拍摄场景。本申请实施例通过采用上述技术方案，能够丰富图像的分类维度并提高分类准确度。

Image classification method, device, storage medium and mobile terminal

The present application embodiment discloses an image classification method, a device, a storage medium and a mobile terminal. The method comprises: acquiring preset classification model based on machine learning, the default classification model is composed of a plurality of known images training scene, for the shooting scene classification based on image; the first image input to the default classification model, and obtain the default classification model of the output of the first scene; determine the shooting scene category first including the first image and the corresponding scene. By adopting the above technical scheme, the application embodiment can enrich the classification dimension of the image and improve the classification accuracy.

【技术实现步骤摘要】
图像分类方法、装置、存储介质及移动终端
本申请实施例涉及终端领域，尤其涉及图像分类方法、装置、存储介质及移动终端。
技术介绍
随着通信技术的发展，各种移动终端的使用越来越普及，且移动终端已经成为人们生活中不可缺少的工具。目前，移动终端普遍支持图像浏览功能，使移动终端用户能够在日常生活中随时查看移动终端中存储的照片以及其他各种类型的图片。为了对移动终端中的图像进行管理，一般会设置多个文件夹以对图像进行分类，然而目前的分类方式比较单一，需要改进。
技术实现思路
本申请实施例提供图像分类方法、装置、存储介质及移动终端，可以优化移动终端中的图像分类方案。第一方面，本申请实施例提供了一种图像分类方法，包括：获取基于机器学习的预设分类模型，所述预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类；将第一图像输入至所述预设分类模型中，并获取所述预设分类模型输出的第一拍摄场景；确定所述第一图像对应的拍摄场景类别包括所述第一拍摄场景。第二方面，本申请实施例提供了一种图像分类装置，包括：模型获取模块，用于获取基于机器学习的预设分类模型，所述预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类；模型输入模块，用于将第一图像输入至所述预设分类模型中，并获取所述预设分类模型输出的第一拍摄场景；场景确定模块，用于确定所述第一图像对应的拍摄场景类别包括所述第一拍摄场景。第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的图像分类方法。第四方面，本申请实施例提供了一种移动终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的图像分类方法。本申请实施例中提供的图像分类方案，将需要被分类的第一图像输入至基于机器学习的预设分类模型中，根据输出结果确定第一图片对应的一种拍摄场景,其中，预设分类模型是基于机器学习的模型，用于对图像进行基于拍摄场景的分类，能够丰富图像的分类维度并提高分类准确度。附图说明图1为本申请实施例提供的一种图像分类方法的流程示意图；图2为本申请实施例提供的另一种图像分类方法的流程示意图；图3为本申请实施例提供的一种图集界面示意图；图4为本申请实施例提供的另一种图像分类方法的流程示意图；图5为本申请实施例提供的另一种图像分类方法的流程示意图；图6为本申请实施例提供的另一种图像分类方法的流程示意图；图7为本申请实施例提供的一种图像分类装置的结构框图；图8为本申请实施例提供的一种移动终端的结构示意图；图9为本申请实施例提供的又一种移动终端的结构示意图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1为本申请实施例提供的一种图像分类方法的流程示意图，该方法可以由图像分类装置执行，其中该装置可由软件和/或硬件实现，一般可集成在手机、平板电脑以及媒体播放器等移动终端中。如图1所示，该方法包括：步骤101、获取基于机器学习的预设分类模型。其中，所述预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类。本申请实施例中，对预设分类模型的来源不做限定，可以是从移动终端本地获取，也可从与移动终端对应的预设服务器获取。当移动终端检测到图像分类事件被触发时，可从移动终端本地存储空间中获取预设分类模型，也可从对应的预设服务器获取预设分类模型。示例性的，预设分类模型的训练或更新过程可在移动终端本地进行；也可在预设服务器中进行，当预设分类模型训练完毕或更新完毕后，可直接发送至移动终端进行存储，或在预设服务器本地进行存储，等待移动终端主动获取。可选的，本申请实施例中的基于机器学习的预设分类模型包括基于神经网络的模型，例如，预设分类模型中可包括一个或多个卷积神经网络层，还可包括一个或多个激活函数层，也可包括一个或多个循环神经网络层。用于训练的初始模型可基于神经网络理论建立，还可基于经验对网络层数或相关参数进行预先设置。本申请实施例中，对所述多个已知拍摄场景的图像样本的来源和数量不做具体限定。可以理解的是，对于基于机器学习的模型来说，一般图像样本的数量越多，模型的输出结果越准确。图像样本的来源可以是所有移动终端用户或指定用户群体(如与当前用户的属性相同的用户群体，属性可包括性别、年龄段和职业等等)发送的拍摄场景已知的图像，这里的拍摄场景可由发送图像的用户来确定；图像样本的来源还可以是当前移动终端的图库中的图像，图库中的图像对应的拍摄场景可由当前移动终端用户根据个人习惯设定；图像样本的来源还可以是由设计人员从网络或其他途径收集的图像，并由设计人员根据经验或者大数据等确定所收集的图像的拍摄场景。可选的，同一个图像样本对应的拍摄场景可包括一个或多个。例如，图像A中包含天空、太阳、大海和沙滩，其对应的拍摄场景可包括室外场景、晴天场景、白天场景、海边场景以及旅游场景等等。步骤102、将第一图像输入至预设分类模型中，并获取预设分类模型输出的第一拍摄场景。本申请实施例中，第一图像可以是移动终端中存储的图像，还可以是缓存的图像，还可以是获取到的图像，还可以是拍摄的图像等等。示例性的，可将第一图片中所有像素数据输入至预设分类模型中，也可提取第一图片中的特征数据并输入至预设分类模型中，本申请实施例不作具体限定，可与预设分类模型的训练方式相对应。可选的，如上文所述，一个图像样本对应的拍摄场景可包括一个或多个，在将第一图像输入至预设分类模型后，输出的拍摄场景也可以包括一个或多个，第一拍摄场景可以是多个输出结果中的任意一个。步骤103、确定第一图像对应的拍摄场景类别包括第一拍摄场景。示例性的，确定第一图像对应的拍摄场景类别包括第一拍摄场景的方式可以是：将第一图像划入第一拍摄场景对应的图集中；或为第一图像添加第一拍摄场景对应的场景标识；或将第一图像作为第一拍摄场景的搜索结果进行显示等等。本申请实施例中提供的图像分类方法，将需要被分类的第一图像输入至基于机器学习的预设分类模型中，根据输出结果确定第一图片对应的一种拍摄场景,其中，预设分类模型是基于机器学习的模型，用于对图像进行基于拍摄场景的分类，能够丰富图像的分类维度并提高分类准确度。在一些实施例中，获取基于机器学习的预设分类模型包括：从预设服务器获取基于机器学习的预设分类模型。这样设置的好处在于，预设分类模型的训练及更新过程由服务器来完成，可减轻移动终端的运算量，同时服务器的计算能力较强，能够提高训练速度。此外，主动从预设服务器获取预设分类模型，而不是被动的等待预设服务器发送的预设本文档来自技高网...

【技术保护点】
一种图像分类方法，其特征在于，包括：获取基于机器学习的预设分类模型，所述预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类；将第一图像输入至所述预设分类模型中，并获取所述预设分类模型输出的第一拍摄场景；确定所述第一图像对应的拍摄场景类别包括所述第一拍摄场景。

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取基于机器学习的预设分类模型，所述预设分类模型由多个已知拍摄场景的图像样本训练得到，用于对图像进行基于拍摄场景的分类；将第一图像输入至所述预设分类模型中，并获取所述预设分类模型输出的第一拍摄场景；确定所述第一图像对应的拍摄场景类别包括所述第一拍摄场景。2.根据权利要求1所述的方法，其特征在于，所述获取基于机器学习的预设分类模型，包括：从预设服务器获取基于机器学习的预设分类模型。3.根据权利要求2所述的方法，其特征在于，还包括：获取当前拍摄的第二图像；接收用户输入的所述第二图像对应的第二拍摄场景；将所述第二图像和所述第二拍摄场景发送至所述预设服务器，用于指示所述预设服务器根据所述第二图像和所述第二拍摄场景对所述预设分类模型进行训练及更新。4.根据权利要求3所述的方法，其特征在于，还包括：获取所述第二图像对应的拍摄参数；所述将所述第二图像和所述第二拍摄场景发送至所述预设服务器，用于指示所述预设服务器根据所述第二图像和所述第二拍摄场景对所述预设分类模型进行训练及更新，包括：将所述第二图像、所述拍摄参数和所述第二拍摄场景发送至所述预设服务器，用于指示所述预设服务器根据所述第二图像、所述拍摄参数和所述第二拍摄场景对所述预设分类模型进行训练及更新；所述将第一图像输入至所述预设分类模型中，包括：将第一图像和所述第一图像对应的拍摄参数输入至所述预设分类模型中。5.根据权利要求1所述的方法，其特征在于，所述获取基于机器学习的...

【专利技术属性】
技术研发人员：梁昆，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44