图像分类方法、装置及可读存储介质制造方法及图纸

本申请公开了一种图像分类方法、装置及可读存储介质，涉及人工智能领域。该方法包括：获取目标图像；对目标图像进行转化，得到至少两种通道图像，至少两种通道图像对应不同的通道表达方式；通过对应的图像分类模型对至少两种通道图像进行分类识别，得到至少两种通道识别结果；通过融合模型对至少两种通道识别结果进行融合，得到目标图像对应的分类结果。将目标图像转化为至少两种通道图像，并通过分别对应的图像分类模型进行分类识别，从而从不同的维度对图像进行分类，也即从不同的角度提取目标图像的细节进行分类识别，提高了图像分类的准确率。

【技术实现步骤摘要】
图像分类方法、装置及可读存储介质
本申请实施例涉及人工智能领域，特别涉及一种图像分类方法、装置及可读存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。相关技术中，在通过机器学习方式对图像进行分类时，通常对图像进行特征提取后，将提取得到的特征输入分类器中，由分类器根据特征进行分类识别，输出图像对应的类别。而上述方式进行图像分类的过程中，在特征提取过程中通常提取的是一些关键视觉特征，而针对一些复杂度高，且精细度也较高的图像，无法通过提取的特征进行准确的分类，从而导致分类结果准确率较低。
技术实现思路
本申请实施例提供了一种图像分类方法、装置及可读存储介质，可以提高图像分类模型的分类结果准确率。所述技术方案如下：一方面，提供了一种图像分类方法，所述方法包括：获取目标图像，所述目标图像为图像内容待分类的图像；对所述目标本文档来自技高网...

【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获取目标图像，所述目标图像为图像内容待分类的图像；/n对所述目标图像进行转化，得到至少两种通道图像，所述至少两种通道图像对应不同的通道表达方式；/n通过与所述至少两种通道图像分别对应的图像分类模型对所述至少两种通道图像进行分类识别，得到至少两种通道识别结果，其中，每种通道图像对应一种通道识别结果；/n通过融合模型对所述至少两种通道识别结果进行融合，得到所述目标图像对应的分类结果。/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：
获取目标图像，所述目标图像为图像内容待分类的图像；
对所述目标图像进行转化，得到至少两种通道图像，所述至少两种通道图像对应不同的通道表达方式；
通过与所述至少两种通道图像分别对应的图像分类模型对所述至少两种通道图像进行分类识别，得到至少两种通道识别结果，其中，每种通道图像对应一种通道识别结果；
通过融合模型对所述至少两种通道识别结果进行融合，得到所述目标图像对应的分类结果。


2.根据权利要求1所述的方法，其特征在于，所述通过融合模型对所述至少两种通道识别结果进行融合，得到所述目标图像对应的分类结果，包括：
通过所述融合模型对所述至少两种通道识别结果进行融合，得到所述目标图像对应的融合识别结果；
将所述至少两种通道识别结果和所述融合识别结果的加权平均结果作为所述目标图像对应的所述分类结果。


3.根据权利要求2所述的方法，其特征在于，所述通过融合模型对所述至少两种通道识别结果进行融合，得到所述目标图像对应的融合识别结果，包括：
通过第一融合模型对至少两个所述图像分类模型提取的图像特征进行融合分类识别，得到第一融合识别结果；
通过第二融合模型对所述至少两种通道识别结果和所述第一融合识别结果进行融合，得到所述目标图像对应的第二融合识别结果。


4.根据权利要求3所述的方法，其特征在于，所述将所述至少两种通道识别结果和所述融合识别结果的加权平均结果作为所述目标图像对应的所述分类结果，包括：
将所述至少两种通道识别结果、所述第一融合识别结果和所述第二融合识别结果的加权平均结果作为所述目标图像对应的所述分类结果。


5.根据权利要求3所述的方法，其特征在于，所述至少两种通道图像中包括第一通道图像、第二通道图像和第三通道图像，所述图像分类模型中包括与所述第一通道图像对应的第一分类模型、与所述第二通道图像对应的第二分类模型，以及与所述第三通道图像对应的第三分类模型；
所述通过第一融合模型对至少两个所述图像分类模型提取的图像特征进行融合分类识别，得到第一融合识别结果，包括：
通过第一融合模型对第一图像特征、第二图像特征以及第三图像特征进行融合分类识别，得到所述第一融合识别结果，其中，所述第一图像特征为所述第一分类模型对所述第一通道图像提取的特征，所述第二图像特征为所述第二分类模型对所述第二通道图像提取的特征，所述第三图像特征为所述第三分类模型对所述第三通道图像提取的特征。


6.根据权利要求2至5任一所述的方法，其特征在于，所述方法还包括：
将所述至少两种通道识别结果分别输入第一损失函数，得到至少两个第一损失值，其中，所述第一损失函数用于根据交叉熵损失对所述图像分类模型进行监督训练；
将所述融合识别结果输入第二损失函数，得到第二损失值，其中，所述第二损失函数用于根据对所述融合识别结果的不确定度预测结合所述交叉熵损失对所述融合模型进行监督训练；
通过所述第一损失值和所述第二损失值之和对所述图像分类模型和所述融合模型进行监督训练。


7.根据权利要求6所述的方法，其特征在于，所述将所述至少两种通道识别结果分别输入第一损失函数之前，还包括：
通过所述融合模型对所述至少两种通道识别结果进行融合，得到不确定度预测结果；
通过所...

【专利技术属性】
技术研发人员：边成，初春燕，余双，马锴，郑冶枫，
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