本申请公开一种目标图像处理方法、装置、存储介质与电子设备。目标图像处理方法中，将目标训练图像分割为多个第一子图像，并将多个第一子图像输入第一分类器中获得目标训练图像的分类结果；当第一分类器的分类结果为错误分类时，改变分割起始点对目标训练图像再次进行分割得到第二子图像，再通过第二分类器从第二子图像中选取第一目标子图像，并采用第一目标子图像对预设分类器进行训练，有利于在训练时预设分类器从第一目标子图像提取有效特征信息，从而提高第三分类器对目标图像的分类正确率和分类效率。确率和分类效率。确率和分类效率。
【技术实现步骤摘要】
目标图像处理方法、装置、存储介质与电子设备
[0001]本申请涉及图像处理
，具体涉及一种目标图像处理方法、装置、存储介质与电子设备。
技术介绍
[0002]在一些图像处理场景中，需要根据图像中内容的不同，对图像进行分类。
[0003]目前，通过将图像输入基于神经网络的分类器中，可以实现对图像的分类。但是，现有基于神经网络的分类器对大尺度、类别特征分布稀疏的图像进行分类时，存在分类正确率较低和分类效率较低的问题。
技术实现思路
[0004]基于此，为了解决或改善现有技术的问题，本申请提供一种目标图像处理方法、装置、存储介质与电子设备，可以提高图像分类的正确率和分类效率。
[0005]第一方面，提供一种目标图像处理方法，包括：
[0006]获取目标训练图像，并根据第一分割参数将所述目标训练图像分割为多个第一子图像；
[0007]将所述多个第一子图像输入第一分类器中，获得所述目标训练图像的分类结果；
[0008]当所述分类结果为错误分类时，根据第二分割参数将所述第一训练图像分割为多个第二子图像，其中，所述第一分割参数与所述第二分割参数的分割起点不同；
[0009]至少将所述多个第二子图像输入第二分类器中，获得多个第一目标子图像，其中，所述第一目标子图像为含有预设特征的子图像；
[0010]构建训练集，所述训练集包括多个第一目标子图像和多个第二目标子图像，其中，所述第二目标子图像为不含所述预设特征的子图像；
[0011]采用所述训练集对预设分类器进行训练，得到第三分类器；
[0012]获取目标图像，并采用所述第三分类器对所述目标图像进行分类，得到所述目标图像的分类结果。
[0013]其中一个实施例中，所述至少将所述多个第二子图像输入第二分类器中，包括：
[0014]将所述多个第一子图像和所述多个第二子图像输入所述第二分类器。
[0015]其中一个实施例中，所述至少将所述多个第二子图像输入第二分类器中，获得第一目标子图像，包括：
[0016]至少将所述多个第二子图像输入所述第二分类器，分别获得所述多个第二子图像的分类类型；
[0017]根据所述多个第二子图像在所述目标训练图像中的位置和分类类型，确定第一目标子图像。
[0018]其中一个实施例中，所述根据所述多个第二子图像在所述目标训练图像中的位置和分类类型，确定多个第一目标子图像，包括：
[0019]根据所述多个第二子图像的分类类型，选取多个目标类别子图像；
[0020]根据所述多个目标类别子图像在所述目标训练图像中的位置，确定所述多个目标类别子图像的中心位置和分布半径；
[0021]根据所述中心位置和所述分布半径，确定所述多个目标类别子图像在所述目标训练图像中的分布区域；
[0022]当所述初始分布区域内的目标类别子图像与所述多个第二子图像的数量占比小于预设数量占比时，减小所述分布半径，直至所述分布区域内的目标类别子图像与所述多个第二子图像的数量占比大于或等于所述预设数量占比时，获得目标分布区域；
[0023]获取所述目标分布区域覆盖的目标类别子图像，得到所述多个第一目标子图像。
[0024]其中一个实施例中，所述根据所述多个目标类别子图像在所述目标训练图像中的位置，确定所述多个目标类别子图像的中心位置和分布半径，包括：
[0025]根据所述多个目标类别子图像在所述目标训练图像中的位置，确定确定所述多个目标类别子图像的中心位置；
[0026]计算最远目标类别子图像与所述中心位置之间的距离，获得分布半径，其中，所述最远目标类别子图像为与所述中心位置连通且距离最远的目标类别子图像。
[0027]其中一个实施例中，所述获取所述目标分布区域覆盖的目标类别子图像，得到所述多个第一目标子图像，包括：
[0028]将被所述目标分布区域覆盖且位于所述目标分布区域预设边缘位置的目标类别子图像进行移除，将剩余的目标类别子图像作为所述第一目标子图像。
[0029]其中一个实施例中，所述预设数量占比为95％～100％。
[0030]第二方面，提供一种目标图像处理装置，包括：
[0031]第一分割模块，用于获取目标训练图像，并根据第一分割参数将所述目标训练图像分割为多个第一子图像；
[0032]第一分类模块，用于将所述多个第一子图像输入第一分类器中，获得所述目标训练图像的分类结果；
[0033]第二分割模块，用于当所述分类结果为错误分类时，根据第二分割参数将所述第一训练图像分割为多个第二子图像，其中，所述第一分割参数与所述第二分割参数的分割起点不同；
[0034]第二分类模块，用于至少将所述多个第二子图像输入第二分类器中，获得多个第一目标子图像，其中，所述第一目标子图像为含有预设特征的子图像；
[0035]构建模块，用于构建训练集，所述训练集包括多个第一目标子图像和多个第二目标子图像，其中，所述第二目标子图像为不含所述预设特征的子图像；
[0036]训练模块，用于采用所述训练集对预设分类器进行训练，得到第三分类器；
[0037]第三分类模块，用于获取目标图像，并采用所述第三分类器对所述目标图像进行分类，得到所述目标图像的分类结果。
[0038]第三方面，提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如上所述的目标图像处理方法。
[0039]第四方面，提供一种电子设备，包括存储器以及处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如上所述的目标图像处理方法。
[0040]上述目标图像处理方法中，将目标训练图像分割为多个第一子图像，并将多个第一子图像输入第一分类器中，获得目标训练图像的分类结果，当第一分类器的分类结果为错误分类时，改变分割起始点对目标训练图像再次进行分割得到第二子图像，再通过第二分类器从第二子图像中选取具有预设特征的第一目标子图像，并采用第一目标子图像对预设分类器进行训练，有利于在训练时，预设分类器从第一目标子图像提取有效特征信息，有利于提高第三分类器对目标图像的分类正确率。因此，本申请可以提高图像分类的正确率。
附图说明
[0041]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。应当理解的是，下面描述中的附图仅仅用以解释本申请，并不用于限定本申请。
[0042]图1为本申请一个实施例中电子设备的内部结构示意图；
[0043]图2是本申请一实施例的目标图像处理方法的流程示意图；
[0044]图3是本申请一实施例中预设特征集群的分布示意图；
[0045]图4是本申请一实施例中第一目标子图像在目标训练图像中的位置示意图；
[0046]图5是本申请一个实施例的目标图像处理装置的结构框图。
具体实施方式
[0047]下面结合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标图像处理方法，其特征在于，包括：获取目标训练图像，并根据第一分割参数将所述目标训练图像分割为多个第一子图像；将所述多个第一子图像输入第一分类器中，获得所述目标训练图像的分类结果；当所述分类结果为错误分类时，根据第二分割参数将所述第一训练图像分割为多个第二子图像，其中，所述第一分割参数与所述第二分割参数的分割起点不同；构建训练集，所述训练集包括多个第一目标子图像和多个第二目标子图像，其中，所述第二目标子图像为不含所述预设特征的子图像；采用所述训练集对预设分类器进行训练，得到第三分类器；获取目标图像，并采用所述第三分类器对所述目标图像进行分类，得到所述目标图像的分类结果。2.根据权利要求1所述的目标图像处理方法，其特征在于，所述至少将所述多个第二子图像输入第二分类器中，包括：将所述多个第一子图像和所述多个第二子图像输入所述第二分类器。3.根据权利要求1所述的目标图像处理方法，其特征在于，所述至少将所述多个第二子图像输入第二分类器中，获得第一目标子图像，包括：至少将所述多个第二子图像输入所述第二分类器，分别获得所述多个第二子图像的分类类型；根据所述多个第二子图像在所述目标训练图像中的位置和分类类型，确定第一目标子图像。4.根据权利要求3所述的目标图像处理方法，其特征在于，所述根据所述多个第二子图像在所述目标训练图像中的位置和分类类型，确定多个第一目标子图像，包括：根据所述多个第二子图像的分类类型，选取多个目标类别子图像；根据所述多个目标类别子图像在所述目标训练图像中的位置，确定所述多个目标类别子图像的中心位置和分布半径；根据所述中心位置和所述分布半径，确定所述多个目标类别子图像在所述目标训练图像中的分布区域；当所述初始分布区域内的目标类别子图像与所述多个第二子图像的数量占比小于预设数量占比时，减小所述分布半径，直至所述分布区域内的目标类别子图像与所述多个第二子图像的数量占比大于或等于所述预设数量占比时，获得目标分布区域；获取所述目标分布区域覆盖的目标类别子图像，得到所述多个第一目标子图像。5.根据权利要求4所述的目标图像处理方法，其特征在于，所述根据所述多个目标类别子图像在所述目标训练...
【专利技术属性】
技术研发人员：申啸尘，周有喜，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
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。