图像分类方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种图像分类方法、装置、电子设备及存储介质，涉及计算机技术领域，所述方法包括：将目标图像输入预设数目个图像分类模型，获取预设数目个图像分类模型输出的预设数目个标签，确定预设数目个标签的信息熵，若信息熵大于或者等于预设阈值，则确定预设数目个标签的上级标签为目标图像的分类标签。采用本公开，电子设备可以准确确定目标图像的分类标签，该分类标签可以准确体现目标图像的分类结果。

Image classification method, device, electronic equipment and storage medium

【技术实现步骤摘要】
图像分类方法、装置、电子设备及存储介质
本公开涉及计算机领域，尤其涉及一种图像分类方法、装置、电子设备及存储介质。
技术介绍
目前，图像识别技术越来越多的应用于各个领域，其中包括根据图像识别技术识别图像中的物体的种类。相关技术中，电子设备可以根据图像分类模型，确定图像的分类标签。例如，图像A中存在一只哈士奇，则电子设备可以根据图像分类模型，确定图像A的分类标签为“哈士奇”。然而，对于不好分辨的物体，例如上述图像A中的哈士奇，存在一种与哈士奇十分相似的狗类：爱斯基摩犬，则电子设备可能会确定错误的分类标签，即电子设备有可能确定图像A的分类标签为“爱斯基摩犬”，因此会导致分类结果不准确。
技术实现思路
本公开提供一种图像分类方法、装置、电子设备及存储介质，以至少解决相关技术中对图像分类的结果不准确的问题。本公开的技术方案如下：根据本公开实施例的第一方面，提供一种图像分类方法，包括：将目标图像输入预设数目个图像分类模型，获取所述预设数目个图像分类模型输出的预设数目个标签；确定所述预设数目个标签的信息熵，所述信息熵表示所述预设数目个标签与所述目标图像的相符程度；若所述信息熵大于或者等于预设阈值，则根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签，所述预设树状标签结构中级别越高的标签所表示的分类粒度越大，且同一级别的标签所表示的分类粒度相同。可选的，所述确定所述预设数目个标签的信息熵步骤，包括：根据所述预设数目个标签建立概率向量，所述概率向量包括所述预设数目个标签中，各相同的标签在所述预设数目个标签中出现的概率；确定所述概率向量对应的信息熵。可选的，在所述确定所述预设数目个标签的信息熵步骤之后，所述方法还包括：若所述信息熵小于预设阈值，则确定所述预设数目个标签中出现概率最大的标签为所述目标图像的分类标签。可选的，所述根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签步骤，包括：根据预设树状标签结构，确定所述预设数目个标签在所述预设树状标签结构中最低一级的公共上级标签；确定所述最低一级的公共上级标签为所述目标图像的分类标签。根据本公开实施例的第二方面，提供一种图像分类装置，包括：获取单元，被配置为执行将目标图像输入预设数目个图像分类模型，获取所述预设数目个图像分类模型输出的预设数目个标签；确定单元，被配置为执行确定所述预设数目个标签的信息熵，所述信息熵表示所述预设数目个标签与所述目标图像的相符程度；所述确定单元，还被配置为执行若所述信息熵大于或者等于预设阈值，则根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签，所述预设树状标签结构中级别越高的标签所表示的分类粒度越大，且同一级别的标签所表示的分类粒度相同。可选的，所述确定单元，具体被配置为执行：根据所述预设数目个标签建立概率向量，所述概率向量包括所述预设数目个标签中，各相同的标签在所述预设数目个标签中出现的概率；确定所述概率向量对应的信息熵。可选的，所述确定单元，还被配置为执行若所述信息熵小于预设阈值，则确定所述预设数目个标签中出现概率最大的标签为所述目标图像的分类标签。可选的，所述确定单元，具体被配置为执行：根据预设树状标签结构，确定所述预设数目个标签在所述预设树状标签结构中最低一级的公共上级标签；确定所述最低一级的公共上级标签为所述目标图像的分类标签。根据本公开实施例的第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。根据本公开实施例的第四方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。根据本公开实施例的第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。本公开的实施例提供的技术方案至少带来以下有益效果：电子设备可以将目标图像输入至预设数目个图像分类模型，获取预设数目个图像分类模型输出的预设数目个标签，然后确定预设数目个标签的信息熵。若信息熵大于或者等于预设阈值，则根据预设树状标签结构，确定预设数目个标签的公共上级标签为目标图像的分类标签。当信息熵大于或等于预设阈值时，表示该预设数目个标签不能准确表示目标图像的分类，因此，电子设备可以确定预设数目个标签在预设树状标签结构中的公共上级标签为目标图像的分类标签。由于公共上级标签可以代表该公共上级标签的所有下级标签，所以该分类标签可以代表预设数目个标签中任意一个，进而分类标签可以准确体现目标图像的分类结果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。图1是根据一示例性实施例示出的一种图像分类方法的流程图；图2是根据一示例性实施例示出的另一种图像分类方法的流程图；图3是根据一示例性实施例示出的另一种图像分类方法的流程图；图4是根据一示例性实施例示出的另一种图像分类方法的流程图；图5是根据一示例性实施例示出的一种预设树状标签结构的示意图；图6是根据一示例性实施例示出的另一种图像分类方法的流程图；图7是根据一示例性实施例示出的一种图像分类装置的框图；图8是根据一示例性实施例示出的一种电子设备的结构框图。具体实施方式为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种图像分类方法的流程图，如图1所示，该图像分类方法用于电子设备中，包括以下步骤：步骤101、将目标图像输入预设数目个图像分类模型，获取预设数目个图像分类模型输出的预设数目个标签。其中，图像分类模型用于对图像进行分类，电子设备可以将目标图像输入至图像分类模型中，并获取图像分类模型输出的标签，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，所述方法包括：/n将目标图像输入预设数目个图像分类模型，获取所述预设数目个图像分类模型输出的预设数目个标签；/n确定所述预设数目个标签的信息熵，所述信息熵表示所述预设数目个标签与所述目标图像的相符程度；/n若所述信息熵大于或者等于预设阈值，则根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签，所述预设树状标签结构中级别越高的标签所表示的分类粒度越大，且同一级别的标签所表示的分类粒度相同。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：
将目标图像输入预设数目个图像分类模型，获取所述预设数目个图像分类模型输出的预设数目个标签；
确定所述预设数目个标签的信息熵，所述信息熵表示所述预设数目个标签与所述目标图像的相符程度；
若所述信息熵大于或者等于预设阈值，则根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签，所述预设树状标签结构中级别越高的标签所表示的分类粒度越大，且同一级别的标签所表示的分类粒度相同。


2.根据权利要求1所述图像分类方法，其特征在于，所述确定所述预设数目个标签的信息熵步骤，包括：
根据所述预设数目个标签建立概率向量，所述概率向量包括所述预设数目个标签中，各相同的标签在所述预设数目个标签中出现的概率；
确定所述概率向量对应的信息熵。


3.根据权利要求2所述图像分类方法，其特征在于，在所述确定所述预设数目个标签的信息熵步骤之后，所述方法还包括：
若所述信息熵小于预设阈值，则确定所述预设数目个标签中出现概率最大的标签为所述目标图像的分类标签。


4.根据权利要求1所述图像分类方法，其特征在于，所述根据预设树状标签结构，确定所述预设数目个标签的公共上级标签为所述目标图像的分类标签步骤，包括：
根据预设树状标签结构，确定所述预设数目个标签在所述预设树状标签结构中最低一级的公共上级标签；
确定所述最低一级的公共上级标签为所述目标图像的分类标签。


5.一种图像分类装置，其特征在于，所述装置包括：
获取单元，被配置为执行将目标图像输入预设数目个图像分类模型，获取所述预设数目个图像分类模型输出的预设数目个...

【专利技术属性】
技术研发人员：张志伟，李焱，吴丽军，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11