【技术实现步骤摘要】
图像分类方法和装置、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和装置、电子设备及存储介质。
技术介绍
[0002]随着人们生活水平的提高,人们购买保险的意愿越来越强,在保险行业积累着大量的文档资料。而随着时间的推移,需要将这些文档进行归类,比如分为银行卡、身份证、户口本、发票和病历等图像资料,保险行业作为金融行业的一个很重要的场景,对应用户上传的图像资料需要严格进行归档,以便后续保险流程的处理,比如将用户上传的资料区分为身份证、户口本、发票和病历图像资料后,对应的图像资料可以快速进入后续步骤,身份图像资料可以快速针对性校验用户的身份信息,病历图像资料则可以快速用于针对性校验健康信息等。而业内对于客户图像资料的处理,目前需要采用多个不同的APP端分别录入对应的图像资料,因此需要人为区分不同APP端的入口,但是这种方式容易产生误判,且容易干扰用户的行为,耗时耗力。
技术实现思路
[0003]本申请实施例的主要目的在于提出一种图像分类方法和装置、电子设备及存储介质,能够对图像资料自动准确识别并分类,以便于快速完成客户图像资料上传并归档,从而减少与客户的交互次数,减少以人为区分不同APP端的入口再录入对应图像资料这种方式带来的误判,省时省力,提高效率。
[0004]为实现上述目的,本申请实施例的第一方面提出了一种图像分类方法,所述方法包括:
[0005]获取目标图像;
[0006]将所述目标图像输入至预先训练好的分类模型,其中,所述分类模型基于 ...
【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,应用于电子设备,所述方法包括:获取目标图像;将所述目标图像输入至预先训练好的分类模型,其中,所述分类模型基于SE
‑
ResNet网络对所述目标图像进行分类识别;通过所述分类模型对所述目标图像进行图像分类,生成图像分类结果。2.根据权利要求1所述的方法,其特征在于,所述分类模型的训练方法包括:获取训练图像,并对所述训练图像进行预处理,得到正样本及负样本;利用Faster
‑
RCNN网络检测所述正样本及所述负样本,得到至少一个初始候选区域;利用Softmax
‑
NMS算法对至少一个所述初始候选区域进行筛选,得到至少一个中间候选区域;将至少一个所述中间候选区域输入至所述SE
‑
ResNet网络,得到特征金字塔;将至少一个所述中间候选区域及所述特征金字塔输入至所述Faster
‑
RCNN网络,并根据所述Faster
‑
RCNN网络的输出调整所述Faster
‑
RCNN网络的参数,直至所述Faster
‑
RCNN网络收敛,得到所述分类模型。3.根据权利要求2所述的方法,其特征在于,所述获取所述训练图像,并对所述训练图像进行预处理,得到正样本及负样本,包括:从所述训练图像中获取带有目标标识的第一图像;对所述第一图像进行图像增强处理,得到正样本;从所述训练图像中获取不带有所述目标标识的第二图像,得到负样本。4.根据权利要求2所述的方法,其特征在于,所述利用Softmax
‑
NMS算法对所述至少一个所述初始候选区域进行筛选,得到至少一个中间候选区域,包括:获取每个所述初始候选区域的置信度;根据每个所述初始候选区域的所述置信度计算每个所述初始候选区域的softmax;对每个所述初始候选区域的softmax进行高斯加权处理,得到每...
【专利技术属性】
技术研发人员:欧阳高询,
申请(专利权)人:中国平安人寿保险股份有限公司,
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。