本申请提供一种物体分类方法、装置、电子设备及计算机可读存储介质。该物体分类方法包括：获取包含待分类物体的状态图像，其中，所述待分类物体是指待分类的物体；对所述状态图像进行特征提取处理，得到所述状态图像的第一图像特征的信息；根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息；当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，获取所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，其中，所述第二识别类别从属于所述第一识别类别。本申请中可以对物体进行细致分类，提高了物体分类的准确率。提高了物体分类的准确率。提高了物体分类的准确率。
【技术实现步骤摘要】
物体分类方法、装置、电子设备及存储介质
[0001]本申请涉及计算机视觉
，具体涉及一种物体分类方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]近年来，计算机视觉技术快速地发展，计算机视觉技术是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。其中，分类任务，是计算机视觉技术中常用的处理任务。对物体进行准确地分类，对于某些应用场景，如统计某个场地是否出现某个物体、快件分拣等有着积极的意义。
[0003]在现有技术中，一般都是通过采集并针对每个类别的图像，对目标分类网络进行训练，以使得目标分类网络捕捉每个类别的特征信息，进而通过图像准确地识别出物体的类别。
[0004]但是，在对现有技术的研究和实践过程中，本专利技术的专利技术人发现，当待识别的物体中，同时存在有的物体之间特征差别较大、有的物体之间特征相似度较高时，由于现有的目标分类网络难以捕捉相似度较高的物体之间的差异特征，因此，分类结果也可能存在识别错误的情况。比如，在快递分拣场景下，需要识别分拣场地内铲车、叉车、人、工具这四个物体，由于铲车和叉车之间的相似度较高，因此很容易出现目标分类不准确的情况。由此可见，现有的目标分类网络较难准确地对物体进行细致分类，从而导致物体分类的准确率相对较低。
技术实现思路
[0005]本申请提供一种物体分类方法、装置、电子设备及计算机可读存储介质，旨在解决现有的目标分类网络较难准确地对物体进行细致分类，而导致物体分类的准确率相对较低的问题。
[0006]第一方面，本申请提供一种物体分类方法，所述方法包括：
[0007]获取包含待分类物体的状态图像；
[0008]对所述状态图像进行特征提取处理，得到所述状态图像的第一图像特征的信息；
[0009]根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息；
[0010]当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，获取所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，其中，所述第二识别类别从属于所述第一识别类别。
[0011]第二方面，本申请提供一种物体分类装置，所述物体分类装置包括：
[0012]获取单元，用于获取包含待分类物体的状态图像；
[0013]处理单元，用于对所述状态图像进行特征提取处理，得到所述状态图像的第一图像特征的信息；
[0014]第一分类单元，用于根据所述第一图像特征的信息确定所述待分类物体的第一识
别类别的信息；
[0015]第二分类单元，用于当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，获取所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，其中，所述第二识别类别从属于所述第一识别类别。
[0016]在本申请一种可能的实现方式中，所述第二分类单元具体还用于：
[0017]当检测到所述第一识别类别的信息和所述预设的基准类别的信息相同时，根据所述第一识别类别的信息和所述状态图像进行特征提取处理，得到所述状态图像的第二图像特征的信息；
[0018]根据所述第二图像特征的信息，确定所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息。
[0019]在本申请一种可能的实现方式中，所述第一分类单元具体还用于：
[0020]当检测到所述第一识别类别的信息和所述预设的基准类别的信息不相同时，将所述第一识别类别的信息作为所述待分类物体的目标类别的信息。
[0021]在本申请一种可能的实现方式中，所述第一分类单元具体还用于：
[0022]将所述第一图像特征的信息输入预设级联分类网络的第一分类子网络，以使得所述第一分类子网络根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息；
[0023]在本申请一种可能的实现方式中，所述第二分类单元具体还用于：
[0024]当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，将所述状态图像输入所述预设级联分类网络的第二分类子网络，以使得所述第二分类子网络对所述状态图像进行特征提取处理得到所述状态图像的第二图像特征的信息，并根据所述第二图像特征的信息确定所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息。
[0025]在本申请一种可能的实现方式中，所述物体分类装置还包括训练单元，所述训练单元具体还用于：
[0026]获取样本图像、并获取所述样本图像的类别标签，其中，所述样本图像包括第一样本图像、第二样本图像和第三样本图像，所述类别标签包括第一类别标签和第二类别标签，所述第一类别标签包括所述第一样本图像的第一类别标签、所述第二样本图像的第一类别标签、以及所述第三样本图像的第一类别标签，所述第二类别标签包括所述第二样本图像的第二类别标签、以及所述第三样本图像的第二类别标签；
[0027]将所述样本图像输入预设模型的第一预设子网络，以使得所述第一预设子网络对所述样本图像进行特征提取得到所述样本图像的第一样本特征的信息，并根据所述第一样本特征的信息确定所述样本图像的第一预测类别的信息；
[0028]当检测到所述第一预测类别的信息为预设的基准类别的信息时，将所述样本图像输入所述预设模型的第二预设子网络，以使得所述第二预设子网络对所述样本图像进行特征提取得到所述样本图像的第二样本特征的信息，并根据所述第二样本特征的信息确定所述样本图像的第二预测类别的信息；
[0029]根据所述第一预测类别的信息、所述第二预测类别的信息、所述第一类别标签和所述第二类别标签，更新所述预设模型的模型参数，直至符合预设的停止训练条件时，将所
述预设模型作为预设级联分类网络。
[0030]在本申请一种可能的实现方式中，所述训练单元具体还用于：
[0031]获取待识别物体的原始图像；
[0032]调用预设的GAN网络，根据所述原始图像生成多个增补图像；
[0033]将所述原始图像和所述增补图像作为样本图像。
[0034]在本申请一种可能的实现方式中，所述获取单元具体还用于：
[0035]获取在特定区域内采集的多个图像；
[0036]将所述多个图像作为所述状态图像；
[0037]在本申请一种可能的实现方式中，所述物体分类装置还包括统计单元，所述统计单元具体还用于：
[0038]所述方法还包括：
[0039]根据所述目标类别的信息，确定预设类别的物体在所述特定区域内的出现频率。
[0040]第三方面，本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请提供的任一种物体分类方法中的步骤。
[0041]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的物体分类方法中的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物体分类方法，其特征在于，所述方法包括：获取包含待分类物体的状态图像；对所述状态图像进行特征提取处理，得到所述状态图像的第一图像特征的信息；根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息；当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，获取所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，其中，所述第二识别类别从属于所述第一识别类别。2.根据权利要求1所述的物体分类方法，其特征在于，所述当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，获取所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，包括：当检测到所述第一识别类别的信息和所述预设的基准类别的信息相同时，根据所述第一识别类别的信息和所述状态图像进行特征提取处理，得到所述状态图像的第二图像特征的信息；根据所述第二图像特征的信息，确定所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息。3.根据权利要求1所述的物体分类方法，其特征在于，所述方法还包括：当检测到所述第一识别类别的信息和所述预设的基准类别的信息不相同时，将所述第一识别类别的信息作为所述待分类物体的目标类别的信息。4.根据权利要求1所述的物体分类方法，其特征在于，所述根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息，包括：将所述第一图像特征的信息输入预设级联分类网络的第一分类子网络，以使得所述第一分类子网络根据所述第一图像特征的信息确定所述待分类物体的第一识别类别的信息；所述根据所述第二图像特征的信息，确定所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息，包括：当检测到所述第一识别类别的信息和预设的基准类别的信息相同时，将所述状态图像输入所述预设级联分类网络的第二分类子网络，以使得所述第二分类子网络对所述状态图像进行特征提取处理得到所述状态图像的第二图像特征的信息，并根据所述第二图像特征的信息确定所述待分类物体的第二识别类别的信息，以作为所述待分类物体的目标类别的信息。5.根据权利要求4所述的物体分类方法，其特征在于，所述方法还包括：获取样本图像、并获取所述样本图像的类别标签，其中，所述样本图像包括第一样本图像、第二样本图像和第三样本图像，所述类别标签包括第一类别标签和第二类别标签，所述第一类别标签包括所述第一样本图像的第一类别标签、所述第二样本...
【专利技术属性】
技术研发人员：孙弘博，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。