图像分类方法、计算机程序产品、电子设备及存储介质技术

本申请提供一种图像分类方法、计算机程序产品、电子设备及存储介质，应用于图像识别领域，其中，图像分类方法采用两个网络分支分别提取待分类图像的特征，由于两个网络分支的类别空间不同，因此提取得到的特征也不相同。其中，经过第一网络分支提取得到的第一特征为具有丰富类间关系的高层语义特征，而经过第二网络分支提取得到的第二特征为更关注细节和局部类间关系的高层语义特征；因此，结合上述第一特征以及第二特征确定的待分类图像的类别具有较高的精度。具有较高的精度。具有较高的精度。

【技术实现步骤摘要】
图像分类方法、计算机程序产品、电子设备及存储介质


[0001]本申请涉及图像识别
，具体而言，涉及一种图像分类方法、计算机程序产品、电子设备及存储介质。

技术介绍

[0002]传统的图像分类任务一般依赖于大量的手工标注数据，但是，大量的有标注数据获取的难度比较大，因此，现有技术中提出了小样本环境下的分类任务(Few
‑
shot Classification，FSC)。
[0003]在图像分类任务中，在训练阶段，会在训练集中随机抽取C个类别，每个类别K个样本(总共CK个数据)，构建一个Meta
‑
Task，作为模型的支撑集(Support Set)输入；再从这C个类中剩余的数据中抽取一批(Batch)样本作为模型的预测对象(Batch Set)。即要求模型从CK个数据中学会如何区分这C个类别。其中，如果K值很小(通常K<10)，称这种分类任务为FSC。
[0004]在现有技术中，一般采用元学习方法实现上述FSC。给定一个待解决的任务，若算法“在该任务上的性能随着经验的增加得到本文档来自技高网...

【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：获取待分类图像；将所述待分类图像输入分类网络，得到所述分类网络输出的所述待分类图像的第一特征和第二特征；其中，所述分类网络包括第一网络分支和第二网络分支，所述第一网络分支用于将所述待分类图像的特征映射到第一类别空间得到第一特征，所述第二网络分支用于将所述待分类图像的特征映射到第二类别空间得到第二特征，所述第一类别空间包括的类别数量大于所述第二类别空间包括的类别数量；根据所述第一特征以及所述第二特征确定所述待分类图像的类别。2.根据权利要求1所述的图像分类方法，其特征在于，所述第一网络分支以及所述第二网络分支包括公用的共享底层卷积模块，所述第一网络分支还包括全局视图模块，所述第二网络分支还包括局部视图模块；所述共享底层卷积模块用于提取所述待分类图像的基础特征；所述全局视图模块用于基于所述基础特征提取所述第一特征；所述局部视图模块用于基于所述基础特征提取所述第二特征。3.根据权利要求1或2所述的图像分类方法，其特征在于，所述根据所述第一特征以及所述第二特征确定所述待分类图像的类别，包括：将所述第一特征与所述第二特征进行融合，得到第一融合特征；根据每个类别包括的第一参考图像对应的第二融合特征计算所述类别对应的类中心；其中，所述第二融合特征为第一参考特征与第二参考特征融合得到，所述第一参考特征为将所述第一参考图像输入所述分类网络后所述第一网络分支输出的特征，所述第二参考特征为将所述第一参考图像输入所述分类网络后所述第二网络分支输出的特征；根据所述第一融合特征计算所述待分类图像与每个类中心的距离；将与所述待分类图像距离最近的类中心所属的类别确定为所述待分类图像的类别。4.根据权利要求1或2所述的图像分类方法，其特征在于，所述根据所述第一特征以及所述第二特征确定所述待分类图像的类别，包括：分别根据每个类别包括的第一参考图像的第一参考特征以及第二参考特征，计算所述类别对应的第一类中心以及第二类中心；其中，所述第一参考特征为将所述第一参考图像输入所述分类网络后所述第一网络分支输出的特征，所述第二参考特征为将所述第一参考图像输入所述分类网络后所述第二网络分支输出的特征；分别根据所述待分类图像的所述第一特征以及所述第二特征，计算所述待分类图像与每个类别对应的第一类中心的第一距离，以及与每个类别对应的第二类中心的第二距离；将所述第一距离以及所述第二距离进行累加，得到所述待分类图像与所述每个类别的融合距离；将所述融合距离最小的类别确定为所述待分类图像的类别。5.根据权利要求1
‑
4任一项所述的图像分类方法，其特征在于，在所述获取待分类图像之前，所述方法还包括：采用以下方式训练原始网络以得到所述分类网络：获取样本图像；将所述样本图像输入所述原始网络，得到所述原始网络输出的第三特征和第四特征；其中，所述原始网络包括第三网络分支和第四网络分支，所述第三网络分支用于将所述样
本图像的特征映射到所述第一类别空间得到第三特征，所述第四网络分支用于将所述样本图像的特征映射到所述第二类别空间得到第四特征；根据所述第三特征计算第一预测损失，以及根据所述第四特征计算第二预测损失；计算表征所述第三特征和所述第四特征中对应特征的差异的第三预测损失；根据所述第一预测损失、所述第二预测损失以及所述第三预测损失更新所述原始网络的参数。6.根据权利要求5所述的图像分类方法，其特征在于，所述根据所述第三特征计算第一预测损失，以及根据所述第四特征计算第二预测损失，包括：根据所述第三特征计算所述样本图像的第一预测类别，并根据所...

【专利技术属性】
技术研发人员：周子淇，
申请(专利权)人：北京迈格威科技有限公司深圳旷视金智科技有限公司，
类型：发明
国别省市：