【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
本专利技术属于图像处理
，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
植物场景涉及到花丛、花束、花朵和绿植从(包括树丛)、绿植束等多个分类类别，具备类别多样性的同时，场景语义单一，导致对植物场景进行图像分类时容易出错，例如，将花丛识别为花束。
技术实现思路
有鉴于此，本专利技术实施例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在对植物场景进行图像分类时容易出错的问题。本专利技术实施例的技术方案是这样实现的：第一方面，本专利技术实施例提供了一种图像分类方法，该方法包括：提取第一图片的第一特征；所述第一特征表征为关于三原色RGB通道的颜色直方图；通过第一模型提取所述第一图片的第二特征；所述第一模型为卷积神经网络；确定所述第一图片的融合特征，所述融合特征通过连接所述第一特征和所述第二特征得到；将所述融合特征输入分类器进行处理，得到所述第一图片对应的分类结果；所述分类器用于根据图片中的物体对图片...
【技术保护点】
1.一种图像分类方法，其特征在于，包括：/n提取第一图片的第一特征；所述第一特征表征为关于三原色RGB通道的颜色直方图；/n通过第一模型提取所述第一图片的第二特征；所述第一模型为卷积神经网络；/n确定所述第一图片的融合特征，所述融合特征通过连接所述第一特征和所述第二特征得到；/n将所述融合特征输入分类器进行处理，得到所述第一图片对应的分类结果；所述分类器用于根据图片中的物体对图片进行分类。/n
【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
提取第一图片的第一特征；所述第一特征表征为关于三原色RGB通道的颜色直方图；
通过第一模型提取所述第一图片的第二特征；所述第一模型为卷积神经网络；
确定所述第一图片的融合特征，所述融合特征通过连接所述第一特征和所述第二特征得到；
将所述融合特征输入分类器进行处理，得到所述第一图片对应的分类结果；所述分类器用于根据图片中的物体对图片进行分类。
2.根据权利要求1所述的图像分类方法，其特征在于，所述确定所述第一图片的融合特征，包括：
将所述第一特征的向量维度降至一维，得到第三特征；
将所述第三特征与所述第二特征连接，得到所述融合特征；其中，所述第一特征的向量维度为二维，所述第二特征的向量维度为一维。
3.根据权利要求2所述的图像分类方法，其特征在于，所述将所述第一特征的向量维度降至一维，得到第三特征，包括：
将所述第一特征中包含的所有第四特征连接，得到第五特征；其中，所述第一特征中包含三组第四特征，每组第四特征分别对应RGB通道中的红色通道、绿色通道和蓝色通道；
将所述第五特征的向量维度降至一维，得到所述第三特征。
4.根据权利要求3所述的图像分类方法，其特征在于，所述将所述第一特征中包含的所有第四特征连接，包括：
按照设定的通道顺序，将所述三组第四特征连接。
5.根据权利要求1所述的图像分类方法，其特征在于，所述通过第一模型提取所述第一图片的第二特征，包括：
对所述第一图片进行下采样，得到第二图片；
通过所述第一模型对所述第二图片提取所述第二特征。
6.根据权利要求1所述的图像分类方法，其特征在于，所述分类器的训练过程包括：
获取样本图片的第一特征和第二特征；
利用样本图片的第二特征训练第二模型，将训练完成的第二模型确定为所述第一模型；
将样本图片的第一特征和第二特征进行连接，得到样本图片的融合特征；
利用样本图片的融合特征训练第三模型，并将训练完成的第三模型确定为所述分类器。
7.根据权利要求1所述的图像分类方法，其特征在于，所述分类器的训练过程包括：
获取样本图片的第一特征和第二特征；
利用样本图片的第二特征训练第二模型，将训练完成的第二模型确定为所述第一模型；
将样本图片的第一特征和第二特征进行连接，得到样本图片的融合特征；
将样本图片的融合特征输入至所述第一模型中的全连接层，训练所述第一模型，得到所述分类器。
8.一种模型训练方法，其特征在于，用于训练权利要求1至5任一项所述的分类器，所述模型训练方法包括：
获取样本图片的第一特征和第二特征；
利用样本图片的第二特征训练第二模型，将训练完成的第二模...
【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
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。