一种图像分类方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种图像分类方法、装置、设备及计算机可读存储介质，包括预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；将经过多尺度图像演化后的待分类图像输入分类器，得到各尺度下的待分类图像被分类到的各个类别的概率分布结果；根据所有的概率分布结果，确定待分类图像被分类到的各个类别的平均概率；将平均概率最大的类别作为待分类图像的类别。本申请在能够成功地将对抗图像进行分类的基础上，由于在对分类器的训练过程中采用了经过多尺度图像演化的正常训练图像进行训练，因此即使待分类图像为正常图像，分类器也不会受到图像演化的干扰，能够具有较高的分类成功率。

An image classification method, device, device and computer readable storage medium

【技术实现步骤摘要】
一种图像分类方法、装置、设备及计算机可读存储介质
本专利技术涉及图像分类领域，特别是涉及一种图像分类方法，本专利技术还涉及一种图像分类装置、设备及计算机可读存储介质。
技术介绍
图像分类技术在自动驾驶以及医疗辅助系统等领域具有广泛应用，但是有不少不法份子通过对正常图像进行攻击使其成为对抗图像，对抗图像对于肉眼来说与正常图像没有什么区别，但是对于分类器来说，对抗图像很容易被分类错误，现有技术中没有一种成熟的能够分类对抗图像的图像分类方法，因此存在严重的安全隐患。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
本专利技术的目的是提供一种图像分类方法，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高；本专利技术的另一目的是提供一种图像分类装置、设备及计算机可读存储介质，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高。为解决上述技术问题，本专利技术提供了一种图像分类方法，包括：预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果；根据所有的所述概率分布结果，确定所述待分类图像被分类到的各个类别的平均概率；将所述平均概率最大的类别作为所述待分类图像的类别。优选地，所述正常训练图像包括：MNIST数据集、CIFAR10数据集以及ImageNet-10数据集。优选地，所述将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果具体为：将经过多尺度图像演化后的预设数目个尺度下的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果。优选地，所述将所述平均概率最大的类别作为所述待分类图像的类别之后，该图像分类方法还包括：判断所述待分类图像是否为对抗图像。优选地，所述判断所述待分类图像是否为对抗图像之后，该图像分类方法还包括：提示判断结果。优选地，所述判断所述待分类图像是否为对抗图像具体为：根据所述概率分布结果，确定出所述待分类图像被分类到同一类别的概率在各个尺度间的波动范围；若最大的所述波动范围大于预设阈值，确定所述待分类图像为对抗图像；若最大的所述波动范围小于预设阈值，确定所述待分类图像为正常图像。为解决上述技术问题，本专利技术还提供了一种图像分类装置，包括：预设模块，用于预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；输入模块，用于将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果；确定模块，用于根据所有的所述概率分布结果，确定所述待分类图像被分类到的各个类别的平均概率；结果模块，用于将所述平均概率最大的类别作为所述待分类图像的类别。优选地，所述图像分类装置还包括：判断模块，用于判断所述待分类图像是否为对抗图像。为解决上述技术问题，本专利技术还提供了一种图像分类设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上任一项所述图像分类方法的步骤。为解决上述技术问题，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述图像分类方法的步骤。本专利技术提供了一种图像分类方法，包括预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；将经过多尺度图像演化后的待分类图像输入分类器，得到各尺度下的待分类图像被分类到的各个类别的概率分布结果；根据所有的概率分布结果，确定待分类图像被分类到的各个类别的平均概率；将平均概率最大的类别作为待分类图像的类别。可见，由于经过不同尺度的图像演化过后能够消除受到攻击的对抗图像中被添加的干扰，因此本专利技术能够成功地将对抗图像进行分类，消除了安全隐患，另外由于在对分类器的训练过程中采用了经过多尺度图像演化的正常训练图像进行训练，因此即使待分类图像为正常图像，分类器也不会受到图像演化的干扰，能够具有较高的分类成功率。本专利技术还提供了一种图像分类装置、设备及计算机可读存储介质，具有如上图像分类方法相同的有益效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的一种图像分类方法的流程示意图；图2为本专利技术提供的一种图像分类装置的结构示意图；图3为本专利技术提供的一种图像分类设备的结构示意图。具体实施方式本专利技术的核心是提供一种图像分类方法，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高；本专利技术的另一核心是提供一种图像分类装置、设备及计算机可读存储介质，能够成功地将对抗图像进行分类，消除了安全隐患，且对于正常图像进行正确分类的成功率较高。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术提供的一种图像分类方法的流程示意图，包括：步骤S1：预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；具体的，多尺度图像演化是一种采用不同强度的高斯核对图像进行演化从而得到图像多尺度表示的图像处理方法，可以视作是消除图像表面干扰的一种方法，演化尺度的不同可能导致对图像干扰的消除程度的不同，从而影响了分类结果。其中，正是由于本申请中采用正常训练图像对分类器进行训练，在后续步骤中，对于待分类的正常图像，即使进行了多尺度演化，分类器也能够具有较高的分类准确率。具体的，预先的训练仅需执行一次，后续过程中只需要使用分类器进行分类即可，无需再重复预先训练的步骤，本专利技术实施例在此不做限定。步骤S2：将经过多尺度图像演化后的待分类图像输入分类器，得到各尺度下的待分类图像被分类到的各个类别的概率分布结果；具体的，对于经过不同尺度演化后的待分类图像，待分类图像被分类到各个类别的概率分布结果是不同的，但是其实际归属的正确类别只有一类，其中被分类到正确类别的概率最高的情况所对应的演化尺度区间是有限的，但是通常情况下正确类别所占有的尺度区间要大于其他任意一项错误类别所对应的尺度区间，无法准确地找到这个尺度区间，例如待分本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：/n预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；/n将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果；/n根据所有的所述概率分布结果，确定所述待分类图像被分类到的各个类别的平均概率；/n将所述平均概率最大的类别作为所述待分类图像的类别。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
预先利用经过多尺度图像演化的正常训练图像对分类器进行训练；
将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果；
根据所有的所述概率分布结果，确定所述待分类图像被分类到的各个类别的平均概率；
将所述平均概率最大的类别作为所述待分类图像的类别。


2.根据权利要求1所述的图像分类方法，其特征在于，所述正常训练图像包括：
MNIST数据集、CIFAR10数据集以及ImageNet-10数据集。


3.根据权利要求2所述的图像分类方法，其特征在于，所述将经过多尺度图像演化后的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果具体为：
将经过多尺度图像演化后的预设数目个尺度下的待分类图像输入所述分类器，得到各尺度下的所述待分类图像被分类到的各个类别的概率分布结果。


4.根据权利要求1至3任一项所述的图像分类方法，其特征在于，所述将所述平均概率最大的类别作为所述待分类图像的类别之后，该图像分类方法还包括：
判断所述待分类图像是否为对抗图像。


5.根据权利要求4所述的图像分类方法，其特征在于，所述判断所述待分类图像是否为对抗图像之后，该图像分类方法还包括：
提示判断结果。


6.根据权利要求4所述...

【专利技术属性】
技术研发人员：钟宝江，季家欢，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32