【技术实现步骤摘要】
类别识别方法及装置、存储介质与终端
本公开涉及计算机技术，尤其涉及一种类别识别方法及装置、存储介质与终端。
技术介绍
随着互联网技术的发展，针对图像的分析及处理方式也越来越多样化。例如，现有的特效技术中就经常涉及根据图像所属的场景类别，来对图像进行特效处理的技术。针对图像所属类别的识别一般是通过神经网络模型实现的，也就是，直接将待识别图像输入神经网络模型，得到神经网络模型输出的类别识别结果，即可得到待识别图像所属的类别。现有技术中，神经网络模型主要是基于图像中的明显特征来实现类别识别的，因此，现有的类别识别方法主要应用于对具有明显区别的大类进行识别。例如，通过神经网络模型处理图像，以确定图像所属场景是食物场景，还是室内场景，还是人物场景。但是，现有的神经网络模型仅以明显特征来实现类别识别，这种识别方式存在较多的细节损失，因而，无法实现对于某一大类下的子类识别，换言之，现有的类别识别方法的识别精度较低。
技术实现思路
本公开提供一种类别识别方法及装置、存储介质与终端，用以提高类别识别结果的准确度与精确度。第一方面，本公开提供一种类别识别方法，包括：对初始图像进行区域划分...
【技术保护点】
1.一种类别识别方法，其特征在于，包括：对初始图像进行区域划分，得到至少一个区域图像；提取各区域图像的细节特征；根据各所述细节特征，获取所述初始图像的融合特征；根据所述融合特征，识别所述初始图像所属的类别。
【技术特征摘要】
1.一种类别识别方法，其特征在于，包括：对初始图像进行区域划分，得到至少一个区域图像；提取各区域图像的细节特征；根据各所述细节特征，获取所述初始图像的融合特征；根据所述融合特征，识别所述初始图像所属的类别。2.根据权利要求1所述的方法，其特征在于，所述对初始图像进行区域划分，得到至少一个区域图像，包括：利用训练好的分割网络模型处理所述初始图像，得到所述分割网络模型输出的所述区域图像。3.根据权利要求1或2所述的方法，其特征在于，所述对初始图像进行区域划分，得到至少一个区域图像，包括：识别所述初始图像中所包含的对象，并在所述初始图像中提取出至少一个所述对象所在区域的图像，以作为所述区域图像；或者，利用预设的分割网格处理所述初始图像，得到每个网格对应的图像，以作为所述区域图像；或者，按照预设的区域大小与形状，在所述初始图像的任意位置截取至少一个图像，得到所述区域图像。4.根据权利要求3所述的方法，其特征在于，所述在所述初始图像中提取出至少一个所述对象所在区域的图像，以作为所述区域图像，包括：在所述初始图像所包含的各所述对象中，获取各所述对象在所述初始图像中所占据的面积比例；获取所述面积比例大于或者等于预设比例阈值的所述对象，以作为目标对象；在所述初始图像中，对每个所述目标对象所在区域的图像进行图像提取，以作为所述区域图像。5.根据权利要求1所述的方法，其特征在于，所述根据各所述细节特征，获取所述初始图像的融合特征，包括：利用训练好的融合网络模型处理各所述细节特征，得到所述融合网络模型输出的所述融合特征。6.根据权利要求1或5所述的方法，其特征在于，所述根据各所述细节特征，获取所述初始图像的融合特征，包括：将各所述细节特征的向量进行合并融合，得到所述融合特征；或者，获取各所述细节特征的向量与对应的区域权重之积，得到各所述细节特征的加权特征向量，并将各所述加权特征向量进行合并融合，得到所述融合特征。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：针对任一所述细节特征，获取该细节特征对应区域图像在所述初始图像中所占的面积比例；针对任一所述细节特征，获取该细节特征对应区域图像在所述初始图像中的位置重要程度；根...
【专利技术属性】
技术研发人员：郭冠军，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。