图像分类方法、装置、电子设备和存储介质制造方法及图纸

本公开公开了一种图像分类方法、装置、电子设备和存储介质，应用于人工智能领域，具体涉及计算机视觉和深度学习技术。图像分类方法的具体实现方案为：提取待分类图像的特征，得到多个特征数据；对多个特征数据进行聚类，得到聚类结果；基于聚类结果对多个特征数据进行加权处理，得到多个加权后特征数据；以及基于多个加权后特征数据对待分类图像进行分类，得到至少两个预定类别中待分类图像的类别。到至少两个预定类别中待分类图像的类别。到至少两个预定类别中待分类图像的类别。

【技术实现步骤摘要】
图像分类方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，更具体地涉及一种图像分类方法、装置、电子设备和存储介质。

技术介绍

[0002]在图像识别的相关技术中，图像中可能存在多种不同的对象。在对目标对象进行类别或颜色等的识别时，其他对象的存在可能会对目标对象的识别精度产生负面影响。

技术实现思路

[0003]提供了一种提高识别精度的图像分类方法、装置、电子设备和存储介质。
[0004]本公开的一个方面提供了一种图像分类方法，包括：提取待分类图像的特征，得到多个特征数据；对所述多个特征数据进行聚类，得到聚类结果；基于所述聚类结果对所述多个特征数据进行加权处理，得到多个加权后特征数据；以及基于所述多个加权后特征数据对所述待分类图像进行分类，得到至少两个预定类别中所述待分类图像的类别。
[0005]本公开的另一个方面提供了一种图像分类装置，包括：特征提取模块，用于提取待分类图像的特征，得到多个特征数据；特征聚类模块，用于对所述多个特征数据进行聚类，得到聚类结果；特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，包括：提取待分类图像的特征，得到多个特征数据；对所述多个特征数据进行聚类，得到聚类结果；基于所述聚类结果对所述多个特征数据进行加权处理，得到多个加权后特征数据；以及基于所述多个加权后特征数据对所述待分类图像进行分类，得到至少两个预定类别中所述待分类图像的类别。2.根据权利要求1所述的方法，其中，对所述多个特征数据进行聚类，得到聚类结果包括：对所述多个特征数据进行聚类，得到至少两个特征数据组；以及确定所述至少两个特征数据组中每个特征数据组包括的特征数据的个数，作为所述聚类结果。3.根据权利要求2所述的方法，其中，基于所述聚类结果对所述多个特征数据进行加权处理包括：基于所述每个特征数据组包括的特征数据的个数，确定所述每个特征数据组包括的特征数据的权重；以及基于所述权重，对所述多个特征数据进行加权处理。4.根据权利要求3所述的方法，其中，基于所述每个特征数据组包括的特征数据的个数，确定所述每个特征数据组包括的特征数据的权重包括：确定所述每个特征数据组包括的特征数据的个数与所述多个特征数据的总个数之间的比值，作为所述每个特征数据组包括的特征数据的权重。5.根据权利要求2所述的方法，其中，所述至少两个特征数据组的个数与所述至少两个预定类别的个数相等。6.根据权利要求1所述的方法，其中，所述提取待分类图像的特征，得到多个特征数据包括：将待分类图像输入特征提取网络，得到所述待分类图像的全局特征图；以及确定所述全局特征图中每个像素的特征数据，得到所述多个特征数据。7.根据权利要求1所述的方法，其中，所述多个特征数据包括颜色特征数据，所述至少两个预定类别包括至少两个颜色类别。8.一种图像分类装置，包括：特征提取模块，用于提取待分类图像的特征，得到多个特征数据；特征聚类模块，用于对所述多个特征数据进行聚类，得到聚类结果；特征加权模块，用于基于所述聚类结果对所述多个特征数据进行加权处理，得到多个加权后特征数据；以及分类模块，用于基于所述多个加权后特征数据...

【专利技术属性】
技术研发人员：龚琛婷，谭啸，孙昊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：