一种图像分类方法、装置、存储介质及电子设备制造方法及图纸

本说明书提供的图像分类方法采用预先训练的图像分类模型对待处理图像进行分类，在利用模型中的图像特征提取子网提取出待处理图像的图像特征后，将待处理图像的图像特征拆分为多个拆分图像特征，通过模型中的多个并行的特征处理子网同时处理每个拆分图像特征，最后将经过处理后的每个拆分图像特征通过模型中的融合子网进行融合，得到融合图像特征，并根据融合图像特征对待处理图像进行分类。上述方法对待处理图像特征采用拆分与并行处理的方式，有效减少了处理待处理图像特征所需要的时间，提高了图像分类模型进行图像分类时的效率。率。率。

【技术实现步骤摘要】
一种图像分类方法、装置、存储介质及电子设备


[0001]本说明书涉及图像处理领域，尤其涉及一种图像分类方法、装置、存储介质及电子设备。

技术介绍

[0002]图像分类技术作为图像处理领域中的重要技术之一，凭借其简单直接却泛用性极高的功能，拥有着极为广泛的应用场景。例如人脸识别、物品检测、场景分类等。也正因如此，人们对图像分类技术所实现的效果的期望也越来越高。为了使图像分类技术拥有更好的分类效果，研究人员对图像分类技术的钻研一直在进行着。
[0003]目前，大多数图像分类技术都是通过以卷积神经网络(Convolutional Neural Networks，CNN)为基础的各种神经网络模型来实现的。近年来，不断有分类效果更好的模型被提出，例如MobileNet系列、ShuffleNet系列等。每一个新的用于图像分类的模型被提出时，都会有更高的精准度。但另一方面，通过对比这些精准度较高的神经网络所公开的数据与指标会发现，这些神经网络的分类效率都相对较慢。
[0004]显然，在如今的快节奏生活模式下，用户对分类效率的要求同样很高。因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取待处理图像；将所述待处理图像输入到预先训练的图像分类模型中的图像特征提取子网，以通过所述图像特征提取子网提取所述待处理图像的待处理图像特征；对所述待处理图像特征进行拆分，得到至少两个拆分图像特征；将每个拆分图像特征分别输入所述图像分类模型中的每个特征处理子网，以并行地通过各特征处理子网对各自输入的拆分图像特征进行处理；将每个经过所述特征处理子网处理后的拆分图像特征输入所述图像分类模型中的特征融合子网，以通过所述特征融合子网对输入的各拆分图像特征进行融合，得到融合图像特征；根据所述融合图像特征，对待处理图像进行分类。2.如权利要求1所述的方法，其特征在于，所述图像特征提取子网包括：提取层、第一处理层；通过所述图像特征提取子网提取所述待处理图像的待处理图像特征，具体包括：通过所述提取层提取所述待处理图像的初始图像特征；通过所述第一处理层减小所述初始图像特征的通道数量，得到待处理图像特征。3.如权利要求2所述的方法，其特征在于，所述特征融合子网包括：拼接层、融合层、第二处理层；通过所述特征融合子网对输入的各拆分图像特征进行融合，得到融合图像特征，具体包括：通过所述拼接层对经过各特征处理子网处理后的各拆分图像特征进行拼接，得到拼接图像特征；通过所述第二处理层增加所述拼接图像特征的通道数量，得到扩充拼接图像特征；将所述扩充拼接图像特征与所述初始图像特征通过所述融合层进行融合，得到融合图像特征。4.如权利要求1所述的方法，其特征在于，每个特征处理子网均包括若干卷积层；并行地通过特征处理子网对各自输入的拆分图像特征进行处理，具体包括：针对每个特征处理子网，通过该特征处理子网中的每个卷积层依次对输入该特征处理子网的拆分图像特征进行处理，其中，经过各特征处理子网处理后的各拆分图像特征的通道数量的和值与所述待处理图像特征的通道数量相同。5.如权利要求4所述的方法，其特征在于，通过该特征处理子网中的每个卷积层依次对输入该特征处理子网的拆分图像特征进行处理，具体包括：针对该特征处理子网中的每个卷积层，将残差卷积核与该卷积层对应的标准卷积核进行融合，得到该卷积层对应的融合卷积核；通过该卷积层对应的融合卷积核对输入该卷积层的拆分图像特征进行卷积...

【专利技术属性】
技术研发人员：赖申其，柴振华，魏晓林，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：