【技术实现步骤摘要】
一种图像分类方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种图像分类方法、装置、电子设备及存储介质。
技术介绍
[0002]随着人工智能中的计算机视觉技术的不断发展，基于计算机视觉的图像分类技术得到了广泛应用。图像分类技术是指根据图像的高级语义对不同类别的图像进行区分。
[0003]相关技术中，图像分类技术可以采用基于多层感知机(Multilayer Perceptron，MLP)的图像分类模型实现图像的分类；其中，MLP是深度学习中的一种基础网络。基于MLP的图像分类模型在图像进行分类时，可以将图像划分为多个指定大小的分块，并提取每个分块的特征；然后采用训练得到的参数矩阵将多个特征进行混合，以进行空间上的信息交换；进而根据混合后的特征输出分类结果。
[0004]但是，由于不同的待图具有不同的特征，上述参数矩阵并不能适应所有图像的特征，从而限制了图像分类模型的分类性能，使得图像分类模型的分类准确性不高。
技术实现思路
[0005]本申请实施例提供一种图像分类...
【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：通过已训练的目标图像分类模型，将待分类图像划分为多个图像分块，并提取所述多个图像分块各自的图像特征；通过所述目标图像分类模型，基于多个图像特征，采用迭代方式执行混合处理，获得相应的多个目标混合特征；其中，一轮混合处理包括：基于本轮输入的多个图像特征生成混合参数，并基于所述混合参数和所述多个图像特征，输出多个中间混合特征，以及基于所述多个中间混合特征获得新的多个图像特征；通过所述目标图像分类模型，基于所述多个目标混合特征对所述待分类图像进行分类预测，获得所述待分类图像的分类结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个图像特征生成所述混合参数，包括：将所述多个图像特征划分为至少一个图像特征集合，不同的图像特征集合具有相同数量的图像特征；针对所述至少一个图像特征集合，分别执行以下操作：基于一个图像特征集合生成混合矩阵；将所述至少一个图像特征集合各自对应的混合矩阵作为所述混合参数。3.根据权利要求2所述的方法，其特征在于，每个图像特征对应一个包含多个特征维度的多维向量，所述基于一个图像特征集合生成混合矩阵，包括：将一个图像特征集合中的各个图像特征分别进行降维处理，获得相应的多个第一降维向量；将所述多个第一降维向量拼接为一个第一融合特征向量，并将所述第一融合特征向量转换为所述混合矩阵。4.根据权利要求2所述的方法，其特征在于，每个图像特征对应一个包含多个特征维度的多维向量，所述基于一个图像特征集合生成混合矩阵，包括：针对所述一个图像特征集合中的各个图像特征，分别执行以下操作：将一个图像特征的多个特征维度划分为多个分段，获得多个分段各自对应的分段特征；其中，每个分段对应至少一个特征维度，且不同分段具有相同数量的特征维度；针对所述各个图像特征各自对应的多个分段特征，基于同一分段对应的各个分段特征生成相应的子混合矩阵，获得多个分段各自对应的子混合矩阵；将获得的多个子混合矩阵作为所述混合矩阵。5.根据权利要求4所述的方法，其特征在于，所述基于同一分段对应的各个分段特征生成相应的子混合矩阵，获得多个分段各自对应的子混合矩阵，包括：针对多个分段，分别执行以下操作：将一个分段对应的各个分段特征分别进行降维处理，获得相应的多个第二降维向量；将所述多个第二降维向量拼接为一个第二融合特征向量，并将所述第二融合特征向量转换为所述子混合矩阵。6.根据权利要求2至5任一项所述的方法，其特征在于，所述基于所述混合参数和所述多个图像特征，输出所述多个中间混合特征，包括：根据所述混合参数和所述多个图像特征，获得多个候选混合特征；
基于所述多个候选混合特征，采用迭代方式执行以下操作：基于本次输入的多个候选混合特征生成新的混合参数，以及根据所述新的混合参数和所述多个候选混合特征，获得新的多个候选混合特征；将最后一次输出的多个候选混合特征作为所述多个中间混合特征。7.根据权利要求6所述的方法，其特征在于，所述根据所述混合参数和所述多个图像特征，获得多个候选混合特征，包括：根据所述至少一个图像特征集合以及各自的混合矩阵，获得相应的多个空间混合特征；基于所述多个空间混合特征，通过全连接层输出所述多个候选混合特征。8.根据权利要求7所述的方法，其特征在于，所述混合矩阵包括多个子混合矩阵，每个图像特征集合中的每个图像特征包括：多个分段各自对应的分段特...
【专利技术属性】
技术研发人员：王子愉，姜文浩，朱艺铭，袁粒，宋奕兵，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
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。