图像分类方法、图像分类装置及终端设备制造方法及图纸

本申请适用于图像处理技术领域，提供了一种图像分类方法、图像分类装置及终端设备，包括：获取待测图像；获取所述待测图像的全局特征，其中，所述全局特征是指从整幅待测图像提取的特征向量；通过随机框获取所述待测图像的局部特征，其中，所述局部特征是指从整幅待测图像的局部区域提取的特征向量；将所述全局特征和所述局部特征输入至分类器，所述分类器输出所述待测图像的类别。通过本申请可提高图像分类的准确性。

Image classification method, image classification device and terminal equipment

【技术实现步骤摘要】
图像分类方法、图像分类装置及终端设备
本申请属于图像处理
，尤其涉及一种图像分类方法、图像分类装置及终端设备。
技术介绍
近年来图像分类引起了人们极大的研究兴趣，并同时在许多应用产品中成功部署，例如手机、个人计算机等终端设备，智能化地解决了许多实际图像处理问题。随着深度学习技术的快速发展，深度学习已成为图像分类中的先进技术。然而，现有的图像分类方法，通常是使用深度学习提取整幅图像的全局特征进行图像分类，对于一些类别之间较为相似的图像，无法准确地进行分类。
技术实现思路
本申请提供了一种图像分类方法、图像分类装置及终端设备，以提高图像分类的准确性。本申请的第一方面提供了一种图像分类方法，所述图像分类方法包括：获取待测图像；获取所述待测图像的全局特征，其中，所述全局特征是指从整幅待测图像提取的特征向量；通过随机框获取所述待测图像的局部特征，其中，所述局部特征是指从整幅待测图像的局部区域提取的特征向量；将所述全局特征和所述局部特征输入至分类器，所述分类器输出所述待测图像的类别。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，所述图像分类方法包括：/n获取待测图像；/n获取所述待测图像的全局特征，其中，所述全局特征是指从整幅待测图像提取的特征向量；/n通过随机框获取所述待测图像的局部特征，其中，所述局部特征是指从整幅待测图像的局部区域提取的特征向量；/n将所述全局特征和所述局部特征输入至分类器，所述分类器输出所述待测图像的类别。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述图像分类方法包括：
获取待测图像；
获取所述待测图像的全局特征，其中，所述全局特征是指从整幅待测图像提取的特征向量；
通过随机框获取所述待测图像的局部特征，其中，所述局部特征是指从整幅待测图像的局部区域提取的特征向量；
将所述全局特征和所述局部特征输入至分类器，所述分类器输出所述待测图像的类别。


2.如权利要求1所述的图像分类方法，其特征在于，所述通过随机框获取所述待测图像的局部特征包括：
在所述待测图像上生成随机框；
对所述随机框中图像进行下采样；
将下采样后的所述随机框中图像输入至第一分类模型，所述第一分类模型输出所述随机框中图像的特征向量，该特征向量为所述待测图像的局部特征。


3.如权利要求2所述的图像分类方法，其特征在于，当所述随机框的数量为多个时，在对所述随机框中图像进行下采样之前，还包括：
根据预设条件对多个随机框中图像进行排序；
相应的，所述对所述随机框中图像进行下采样包括：
按照排列顺序对所述随机框中的图像进行下采样。


4.如权利要求3所述的图像分类方法，其特征在于，在获取待测图像之后，还包括：
获取所述待测图像所属场景；
相应的，所述在所述待测图像上生成随机框包括：
若所述待测图像所属场景为第一场景，则在所述待测图像上生成尺寸不同的随机框；
若所述待测图像所属场景为第二场景，则在所述待测图像上生成尺寸相同的随机框。


5.如权利要求1所述的图像分类方法，其特征在于，所述获取所述待测图像的全局特征包括：
对所述待测图像进行下采样；
将下...

【专利技术属性】
技术研发人员：贾玉虎，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44