图片类别的识别方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术适用于人工智能技术领域，提供了图片类别的识别方法、装置及计算机可读存储介质，包括：通过获取一个以上的目标图片以及多个已知类别的样本图片；建立样本图片的分类树模型；根据分类树模型中各节点的分类规则，在分类树模型中确定目标图片对应的叶子节点，并将对应同一个叶子节点的目标图片组合成为该叶子节点对应的目标图片集合；为每个目标图片集合在所述分类树模型中选取一个以上的叶子节点作为其对应的被选节点，并将所述被选节点中包含的样本图片作为目标图片集合对应的候选样本图片；根据候选样本图片的类别确定所述目标图片集合中各个目标图片对应的类别，以提高图片类别的识别的并行性，避免重复冗余的识别计算。

【技术实现步骤摘要】
图片类别的识别方法、装置及计算机可读存储介质
本专利技术属于人工智能
，尤其涉及图片类别的识别方法、装置及计算机可读存储介质。
技术介绍
在人们的日常生活以及商业活动中，经常需要识别一张图片的类别。一般的做法是：在获取到待识别的目标图片后，将该目标图片与数据库中存储的已知类别的图片进行比较分析，并根据与目标图片的特征信息相近的已知类别的图片，确定目标图片的类别。然而，当前对于图片的类别进行识别往往是逐一分别进行的，但是由于不同的目标图片之间可能存在的相似性，使得现有技术在将目标图片与数据库中存储的已知类别的图片进行比较分析的过程中，存在大量冗余的重复运算。随着对于图片的类别进行识别的需求逐渐增大，这些冗余的重复运算会消耗大量的计算资源，并且造成识别时间的无谓延长。
技术实现思路
有鉴于此，本专利技术实施例提供了图片类别的识别方法、装置及计算机可读存储介质，以解决现有图片类别的识别方法存在的计算冗余度高且识别速度慢的问题。本专利技术实施例的第一方面提供了一种图片类别的识别方法，包括：获取一个以上的目标图片本文档来自技高网...

【技术保护点】
1.一种图片类别的识别方法，其特征在于，包括：/n获取一个以上的目标图片以及多个样本图片，其中，每个所述样本图片对应一个类别；/n建立所述样本图片的分类树模型，所述分类树模型的每个节点均包含一个以上的样本图片；/n根据所述分类树模型中各节点的分类规则，在所述分类树模型中确定所述目标图片对应的叶子节点，并将对应同一个叶子节点的目标图片组合成为该叶子节点对应的目标图片集合；/n为每个所述目标图片集合在所述分类树模型中选取一个以上的叶子节点作为其对应的被选节点，并将所述被选节点中包含的样本图片作为目标图片集合对应的候选样本图片；/n根据所述候选样本图片的类别确定所述目标图片集合中各个目标图片对应的类...

【技术特征摘要】
1.一种图片类别的识别方法，其特征在于，包括：
获取一个以上的目标图片以及多个样本图片，其中，每个所述样本图片对应一个类别；
建立所述样本图片的分类树模型，所述分类树模型的每个节点均包含一个以上的样本图片；
根据所述分类树模型中各节点的分类规则，在所述分类树模型中确定所述目标图片对应的叶子节点，并将对应同一个叶子节点的目标图片组合成为该叶子节点对应的目标图片集合；
为每个所述目标图片集合在所述分类树模型中选取一个以上的叶子节点作为其对应的被选节点，并将所述被选节点中包含的样本图片作为目标图片集合对应的候选样本图片；
根据所述候选样本图片的类别确定所述目标图片集合中各个目标图片对应的类别。


2.如权利要求1所述的图片类别的识别方法，其特征在于，所述建立所述样本图片的分类树模型，包括：
提取所述样本图片的特征信息，并建立所述样本图片对应的样本特征矩阵；
对所述样本特征矩阵进行聚类，生成第一预设数量的聚类集合，所述聚类集合中包含多个样本特征矩阵；
根据各个聚类集合中包含的样本特征矩阵，分别建立各个聚类集合对应的分类树模型。


3.如权利要求2所述的图片类别的识别方法，其特征在于，所述根据各个聚类集合中包含的样本特征矩阵，分别建立各个聚类集合对应的分类树模型，包括：
将所述聚类集合中全部的样本特征矩阵作为所述分类树模型的根节点包含的样本特征矩阵；
从所述根节点开始，每次通过一个预设的分类规则将所述分类树模型的节点包含的样本特征矩阵分配至多个子节点，直至所述分类树模型的叶子节点包含的样本特征矩阵的数量小于第二预设数量。


4.如权利要求2所述的图片类别的识别方法，其特征在于，所述根据所述分类树模型中各节点的分类规则，在所述分类树模型中确定所述目标图片对应的叶子节点，包括：
提取所述目标图片的特征信息，并建立目标图片对应的目标特征矩阵；
计算各个所述聚类集合的聚类中心与所述目标特征矩阵之间的距离，将与所述目标特征矩阵的距离最短的聚类中心对应的聚类集合作为被选聚类集合；
从所述被选聚类集合对应的分类树模型的根节点开始，通过深度搜索方式，依次按照各节点的分类规则确定所述目标图片对应的叶子节点。


5.如权利要求1所述的图片类别的识别方法，其特征在于，所述为每个所述目标图片集合在所述分类树模型中选取一个以上的叶子节点作为其对应的被选节点，包括：
根据所述叶子节点中包含的样本图片，计算用于表征所述叶子节点的节点特征矩阵；
将所述目标图片集合对应的叶子节点作为目标叶子节点，并分别计算所述目标叶子节点的节点特征矩阵与其他的叶子节点的节点特征矩阵的距离；
将与所述目标叶子节点的节点特征矩阵的距离不大于第一距离阈值的叶子节点设定为被选叶子节点，将所述目标叶子节点也设定为被选叶子节点。


6.如权利要求5所述的图片类别的识别方法，其特征在于，所述根据所述叶子节点中包含的样...

【专利技术属性】
技术研发人员：邢连萍，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44