图像分类方法、装置和电子设备制造方法及图纸

本公开实施例公开了一种图像分类方法、装置、电子设备和计算机可读存储介质。其中该图像分类方法包括：获取待分类图像；提取所述待分类图像的图像特征；根据所述图像特征生成第一向量；获取与所述第一向量相关的多个分类特征；根据所述多个分类特征得到所述待分类图像的类别。上述方法通过对待分类图像提取图像特征，并获取与所述图像特征相关的先验的分类特征以对图像进行分类，解决了图像分类结果不准确的技术问题。

【技术实现步骤摘要】
图像分类方法、装置和电子设备
本公开涉及图像分类领域，尤其涉及一种图像分类方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着近年来数据量的剧增，以及数据处理能力的提高，机器学习算法在数据分析领域发挥着越来越重要的作用，其中的深度学习是近年来最为热门的研究领域。深度学习是从传统神经网络演化而来的一种新的分类预测解决方案，本质上和传统的神经网络一样是一个用于分类或者预测的神经网络模型。不同的地方在于深度神经网络引入了很多改进，针对不同的应用场景提供了很多不同的特定的模型，使得深度神经网络和过去的神经网络相比分类效果更好，模型训练更容易，随着数据量的增大、服务器性能的提高，深度神经网络己经成为了如今图片、文本、视频、音频研究领域的主流解决方案。在相关研究中，视频分类算法和图片分类算法类似，需要把视频作为一帧一帧的图片来处理。在得到图片帧之后，对图片提取特征，利用模型对图片帧进行分类。然而这样的分类结果不是很准确，为了能够更加准确，在相关研究中还通过将视频的多个图片帧作为模型的输入得到视频的分类，但是使用多帧抽取的特征直接进行分类准确度本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：/n获取待分类图像；/n提取所述待分类图像的图像特征；/n根据所述图像特征生成第一向量；/n获取与所述第一向量相关的多个分类特征；/n根据所述多个分类特征得到所述待分类图像的类别。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
获取待分类图像；
提取所述待分类图像的图像特征；
根据所述图像特征生成第一向量；
获取与所述第一向量相关的多个分类特征；
根据所述多个分类特征得到所述待分类图像的类别。


2.如权利要求1所述的图像分类方法，其特征在于，所述根据所述图像特征生成第一向量，包括：
将所述图像特征通过非线性变换转换成所述第一向量。


3.如权利要求1所述的图像分类方法，其特征在于，所述获取与所述第一向量相关的多个分类特征，包括：
根据所述第一向量获取与所述第一向量相似的多个第二向量；
获取每个所述多个第二向量所对应的分类特征。


4.如权利要求3所述的图像分类方法，其特征在于，所述根据所述第一向量获取与所述第一向量相似的多个第二向量，包括：
获取特征存储表，其中所述特征存储表中包括多个第二向量和分类特征所组成的键值对；
计算所述第一向量与每个第二向量的相似度；
获取所述相似度大于相似阈值的第二向量。


5.如权利要求4所述的图像分类方法，其特征在于，所述获取每个所述多个第二量所对应的分类特征，包括：
获取以所述第二向量为键的键值对中的值所对应的分类特征。


6.如权利要求4所述的图像分类方法，其特征在于，所述计算所述第一向量与每个第二向量的相似度，包括：
将所述第一向量分为n个第一向量分量；
将所述第二向量分为n个第二向量分量；
计算所述n个第一向量分量和所述n个第二向量分量的相似度。


7.如权利要求6所述的图像分类方法，其特征在于，所述获取所述相似度大于相似阈值的第二向量，包括：
获取与所述n个第一向量分量的相似度大于相似阈值的n个第二向量分量；
根据所述n个第二向量分量生成所述第二向量。


8.如权利要求1所述的图像分类方法，其特征在于，所述根据所述多个分类特征得到所述待分类图像的类别，包括：
根据每个所述多个分类特征的权重值计算所述多个分类特征的加权分类特征；
根据所述加...

【专利技术属性】
技术研发人员：邵杰，王长虎，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11