【技术实现步骤摘要】
图像分类及神经网络训练方法、装置、设备及存储介质
本公开涉及计算机
，尤其涉及图像分类及神经网络训练方法、装置、设备及存储介质。
技术介绍
图像分类技术是计算机视觉技术中的重要基础，诸如物体检测、图像语义分割和实例分割等技术均需要以图像分类技术作为基础。图像分类技术，是通过将使用图像采集设备获取的图像输入神经网络中，输出一组描述该图像是否属于特定类别或内容的概率。作为一种计算机视觉技术，图像分类能广泛应用于工业生产、异常检测、无人驾驶等领域。图像分类技术的任务为判定相似度较高的不同对象之间的从属关系(如长相相似的人的判别、鸟类动物分类等)。在神经网络的训练过程中，需将获得的特征在欧氏空间上进行优化，然而，由于在欧氏空间上不能对训练样本进行合理的损失值分配，使得生成的特征分布效果并不理想，从而导致神经网络的训练效果不理想，分类准确率较低。
技术实现思路
本公开提出了一种图像分类及神经网络训练方法、装置、设备及存储介质。根据本公开的一方面，提供了一种图像分类方法方法，包括：通过目标神经网...
【技术保护点】
1.一种图像分类方法，其特征在于，包括：/n通过目标神经网络对目标图像进行特征提取处理，获得所述目标图像的目标特征；/n根据预设的第一参数，确定所述目标特征与图像集中各类别的图像的类中心特征的径向基距离，其中，所述径向基距离用于表示所述目标特征分别属于各类别的分类概率，所述图像集中包括至少一个类别的图像；/n根据所述径向基距离，确定所述目标图像的目标类别。/n
【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
通过目标神经网络对目标图像进行特征提取处理，获得所述目标图像的目标特征；
根据预设的第一参数，确定所述目标特征与图像集中各类别的图像的类中心特征的径向基距离，其中，所述径向基距离用于表示所述目标特征分别属于各类别的分类概率，所述图像集中包括至少一个类别的图像；
根据所述径向基距离，确定所述目标图像的目标类别。
2.根据权利要求1所述的方法，其特征在于，根据预设的第一参数，确定所述目标特征与各类别的图像的类中心特征的径向基距离，包括：
确定所述目标特征与各类别的类中心特征的欧氏距离；
根据所述欧式距离以及所述第一参数，确定所述目标特征与各类别的类中心特征的径向基距离。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
通过目标神经网络对图像集中的各图像分别进行特征提取处理，分别获得各图像的特征信息；
在类别相同的图像的特征信息中，确定出各类别的类中心特征。
4.根据权利要求3所述的方法，其特征在于，在类别相同的图像的特征信息中，确定出各类别的类中心特征，包括：
在各类别的图像中，确定出中心图像；
将与各类别的中心图像对应的特征信息确定为各类别的类中心特征。
5.根据权利要求3所述的方法，其特征在于，在类别相同的图像的特征信息中，确定出各类别的类中心特征，包括：
对各图像的特征信息进行聚类处理，获得各类别的类中心特征。
6.根据权利要求3所述的方法，其特征在于，在类别相同的图像的特征信息中，确定出各类别的类中心特征，包括：
对各类别图像的特征信息分别进行加权平均处理，获得各类别的类中心特征。
7.一种神经网络训练方法，其特征在于，包括：
通过神经网络对第一样本图像进行特征提取处理，获得所述第一样本图像的第一特征；
根据预设的第一参数，确定所述第一特征与训练样本集中各类别的样本图像分别对应的类中心特征的径向基距离；
根据预设的第二参数以及所述径向基距离，确定所述神经网络的网络损失；
根据所述网络损失训练所述神经网络，在训练完成后得到目标神经网络。
8.根据权利要求7所述的方法，其特征在于，根据预设的第二参数以及所述径向基距离，确定所述神经网络的网络损失，包括：
根据所述第一样本图像的标注类别，确定所述第一特征与所述第一样本图像所属类别的类中心特征的第一径向基距离；
根据所述第一径向基距离、所述第二参数以及所述第一特征与各类别的类中心特征的径向基距离，确定所述第一样本图像的分类概率；
根据所述分类概率，确定所述神经网络的网络损失。
9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述样本图像集中多个样本图像的类别数量，确定所述第二参数。
10.一种图像分类装置，其特征在于，包括：
第一提取模块，用于通过目标神经网络对目标图像进行特征提取处理，获得所述目标图像的目标特征；
第一确定模块，用于根据预...
【专利技术属性】
技术研发人员：张潇，赵瑞，乔宇，李鸿升，
申请(专利权)人：北京市商汤科技开发有限公司，
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。