一种图像分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种图像分类方法、装置、设备及存储介质，其中，该方法包括：获取三维图像；确定三维图像的三个切面图像，三个切面图像互相垂直且相交；将三个切面图像输入无监督深度学习模型，通过无监督深度学习模型输出三个切面图像中各个切面图像分别对应的特征信息；通过无监督分类算法，基于三个切面图像中各个切面图像分别对应的特征信息组成的总特征信息，得到三维图像的分类结果。如此，能够避免通过大量带有标签的样本数据训练以得到卷积神经网络CNN，针对数据量小，标签不足的情况，也能够实现针对三维图像的分类。且避免复杂的网络训练过程，能够提高图像分类的效率以及降低图像分类的复杂度。

An Image Classification Method, Device, Equipment and Storage Media

【技术实现步骤摘要】
一种图像分类方法、装置、设备及存储介质
本专利技术涉及图像处理
，特别是涉及一种图像分类方法、装置、设备及存储介质。
技术介绍
随着人工智能的发展，通过人工智能的方式对图像进行识别、分类等被广泛应用。相比于传统的通过人力描述的方式，通过人工智能以智能的方式对图像内容进行理解有着非常大的优点以及广泛的应用场景。
技术实现思路
本专利技术实施例的目的在于提供一种图像分类方法、装置、设备及存储介质，以针对数据量小，标签不足的情况，对三维图像进行分类。同时，能够避免复杂的网络训练过程，提高图像分类的效率以及降低图像分类的复杂度。具体技术方案如下：第一方面，本专利技术实施例提供了一种图像分类方法，包括：获取三维图像；确定所述三维图像的三个切面图像，所述三个切面图像互相垂直且相交；将所述三个切面图像输入无监督深度学习模型，通过所述无监督深度学习模型输出所述三个切面图像中各个切面图像分别对应的特征信息；通过无监督分类算法，基于所述三个切面图像中各个切面图像分别对应的特征信息组成的总特征信息，得到所述三维图像的分类结果。可选的，所述无监督深度学习模型为PCANet。可选的，所述将所述三个切面图像输本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：获取三维图像；确定所述三维图像的三个切面图像，所述三个切面图像互相垂直且相交；将所述三个切面图像输入无监督深度学习模型，通过所述无监督深度学习模型输出所述三个切面图像中各个切面图像分别对应的特征信息；通过无监督分类算法，基于所述三个切面图像中各个切面图像分别对应的特征信息组成的总特征信息，得到所述三维图像的分类结果。

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取三维图像；确定所述三维图像的三个切面图像，所述三个切面图像互相垂直且相交；将所述三个切面图像输入无监督深度学习模型，通过所述无监督深度学习模型输出所述三个切面图像中各个切面图像分别对应的特征信息；通过无监督分类算法，基于所述三个切面图像中各个切面图像分别对应的特征信息组成的总特征信息，得到所述三维图像的分类结果。2.根据权利要求1所述的方法，其特征在于，所述无监督深度学习模型为PCANet。3.根据权利要求2所述的方法，其特征在于，所述将所述三个切面图像输入无监督深度学习模型，包括：将所述三个切面图像输入所述PCANet；所述通过所述无监督深度学习模型输出所述三个切面图像中各个切面图像分别对应的特征信息，包括：针对各个切面图像，对该切面图像进行第一主成分分析PCA卷积计算，得到第一主成分特征量；根据所述第一主成分特征量进行第二PCA卷积计算，得到第二主成分特征量；对所述第二主成分特征量进行哈希运算得到哈希值；将所述哈希值进行局部直方图运算，输出该切面图像对应的特征信息。4.根据权利要求1至3任一项所述的方法，其特征在于，所述无监督分类算法为K-means聚类算法。5.一种图像分类装置，其特征在于，包括：获取模块，用于获取三维图像；确定模块，用于确定所述三维图像的三个切面图像，所述三个切面图像互相垂直且相交；输入模块，用于将所述三个切面图像输入无监督深度学习模型...

【专利技术属性】
技术研发人员：李书通，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11