图像分类方法、装置、计算机设备及存储介质制造方法及图纸

本申请提供了一种图像分类方法、装置、计算机设备及存储介质，属于图像处理技术领域。该方法包括：将目标图像输入图像分类模型，基于图像分类模型对目标图像进行分类，输出多个第一置信度；根据符合目标条件的至少两个图像簇的第一置信度，确定至少两个图像簇对应的至少两个对象类型的第二置信度；根据至少两个对象类型的第二置信度，确定目标图像对应的至少一个对象类型。上述技术方案，避免了直接输出目标图像属于对象类型的置信度导致准确度较低的问题，且通过符合目标条件的至少两个图像簇的第一置信度，确定至少两个对象类型的第二置信度，再确定至少一个对象类型，从而该至少一个对象类型准确度较高。

Image classification method, device, computer equipment and storage medium

【技术实现步骤摘要】
图像分类方法、装置、计算机设备及存储介质
本申请涉及图像处理领域，特别涉及一种图像分类方法、装置、计算机设备及存储介质。
技术介绍
随着计算机技术的飞速发展，图像处理技术可以应用在更广阔的范围。例如，用户想要检索某个物品时，可以拍摄并上传包括该物品的物品图像，服务器可以对该物品图像进行分类，以确定该物品所属的类别，然后展示该类别下的相关物品。如何快速的预测用户提供的物品所属的类别，是一个需要解决的问题。目前，常见的图像分类方式是采用机器学习的方法对输入图像进行特征提取，然后通过分类器获取预测结果，得到输入图像对应的对象类型，也即得到输入图像包括的对象所属的对象类型。上述技术方案存在的问题是，由于用户拍摄的图像背景较为复杂，清晰度和光照条件各异，使得预测结果的准确度较低。
技术实现思路
本申请实施例提供了一种图像分类方法、装置、计算机设备及存储介质，通过将目标图像输入图像分类模型，可以得到该目标图像属于多个图像簇的第一置信度，避免了直接输出对象类型的第二置信度导致准确度较低的问题，由于一个图像簇对应至少一个对象本文档来自技高网...

【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将目标图像输入图像分类模型，基于所述图像分类模型对所述目标图像进行分类，输出多个第一置信度，所述第一置信度用于表示所述目标图像属于对应图像簇的可能性，所述图像簇包括属于至少一个对象类型的图像；/n根据符合目标条件的至少两个图像簇的第一置信度，确定所述至少两个图像簇对应的至少两个对象类型的第二置信度，所述第二置信度用于表示所述目标图像属于对应对象类型的可能性；/n根据所述至少两个对象类型的第二置信度，确定所述目标图像对应的至少一个对象类型。/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：
将目标图像输入图像分类模型，基于所述图像分类模型对所述目标图像进行分类，输出多个第一置信度，所述第一置信度用于表示所述目标图像属于对应图像簇的可能性，所述图像簇包括属于至少一个对象类型的图像；
根据符合目标条件的至少两个图像簇的第一置信度，确定所述至少两个图像簇对应的至少两个对象类型的第二置信度，所述第二置信度用于表示所述目标图像属于对应对象类型的可能性；
根据所述至少两个对象类型的第二置信度，确定所述目标图像对应的至少一个对象类型。


2.根据权利要求1所述的方法，其特征在于，所述根据符合目标条件的至少两个图像簇的第一置信度，确定所述至少两个图像簇对应的至少两个对象类型的第二置信度，包括：
按照第一置信度对多个图像簇进行降序排列，将前N个图像簇作为符合目标条件的图像簇，N为正整数；
对于任一符合所述目标条件的图像簇，响应于所述图像簇为纯净簇，获取所述纯净簇的第一置信度，将所述纯净簇的第一置信度作为所述纯净簇对应的对象类型的第二置信度，所述纯净簇为对应一个对象类型的图像簇；
响应于所述图像簇为混杂簇，获取所述混杂簇的第一置信度和所述混杂簇对应的对象类型的第一数量，将所述混杂簇的第一置信度与所述第一数量的比值作为所述混杂簇对应的每个对象类型的第二置信度，所述混杂簇为对应至少两个对象类型的图像簇；
将相同对象类型的第二置信度进行累加，得到至少两个对象类型的第二置信度。


3.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个对象类型的第二置信度，确定所述目标图像对应的至少一个对象类型，包括：
获取所述目标图像的分类难度信息，所述分类难度信息用于指示所述目标图像属于不同分类难度的第一类图像或者第二类图像；
响应于所述目标图像属于第一类图像，根据所述至少两个对象类型的第二置信度，按照第二置信度从高到低获取第二置信度的和值大于置信度阈值的至少一个对象类型作为所述目标图像对应的对象类型；
响应于所述目标图像属于第二类图像，根据所述至少两个对象类型的第二置信度，按照第二置信度从高到低获取第二数量的对象类型作为所述目标图像对应的对象类型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述至少两个对象类型的第二置信度，确定所述目标图像对应的至少一个对象类型之前，所述方法还包括：
根据所述多个图像簇中混杂簇的第一置信度，确定混杂簇的第一置信度的和值，所述混杂簇为对应至少两个对象类型的图像簇；
响应于所述和值大于第一目标阈值，确定所述目标图像属于第二类图像。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
响应于所述和值小于等于所述第一目标阈值，根据所述多个图像簇中纯净簇的第一置信度，确定纯净簇对应的至少一个对象类型的第二置信度，所述纯净簇为对应一个对象类型的图像簇；
响应于置信度最高的对象类型的第二置信度小于等于第二目标阈值，确定所述目标图像属于第二类图像；
响应于置信度最高的对象类型的第二置信度大于所述第二目标阈值，确定所述目标图像属于第一类图像。


6.根据权利要求1所述的方法，其特征在于，所述多个图像簇通过以下步骤得到：
对多个对象类型的图像进行聚类，得到多个图像簇；
对于任一图像簇，根据所述图像簇包括的至少两个图像，确定所述图像簇对应的至少一个对象类型，从所述图像簇包括的图像中移除占比小于目标比例的对象类型所对应的至少一个图像；
对相似的纯净簇进行合并，所述纯净簇为对应一个对象类型的图像簇。


7.根据权利要求1所述的方法，其特征在于，所述将目标图像输入图像分类模型，基于所述图像分类模型对所述目标图像进行分类，输出置信度信息之前，所述方法还包括：
对待分类图像进行图像识别，获取目标对象的识别框，对所述识别框进行扩大；
根据扩大后的识别框，获...

【专利技术属性】
技术研发人员：贾晓义，林榆耿，蔡博仑，程衍华，许典平，许靳昌，冉辰，李浩宇，黄华杰，刘一科，梅利健，姜媚，伍敏慧，谭志康，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44