【技术实现步骤摘要】
图像分类方法及分类模型的数据处理方法
[0001]本说明书实施例涉及计算机
,特别涉及一种图像分类方法。
技术介绍
[0002]近年来,深度学习成为了机器学习领域的一个热门研究方向,在计算机视觉、自然语言处理等领域得到了广泛的应用。
[0003]传统的图像分类方法中,需要对样本数据进行特征提取,基于提取得到的样本特征对分类模型进行训练,分类模型的精度受样本特征的丰富度影响。因此,亟需一种高准确性的图像分类方法。
技术实现思路
[0004]有鉴于此,本说明书实施例提供了一种图像分类方法。本说明书一个或者多个实施例同时涉及一种遥感图像分类方法,一种分类模型的数据处理方法,一种图像分类装置,一种遥感图像分类装置,一种分类模型的数据处理装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面,提供了一种图像分类方法,应用于端侧设备,包括:
[0006]获取待分类图像;
[0007]提取待分类图像的图像特征信息;
[0008]将图像特征信息输入分类模型,得到待分类图像的类别信息,其中,分类模型为利用多个样本数据训练得到,样本数据包括原始特征信息和增强特征信息,增强特征信息是对属于不同属性类型空间的样本数据进行跨空间特征增强得到的。
[0009]根据本说明书实施例的第二方面,提供了一种遥感图像分类方法,应用于端侧设备,包括:
[0010]获取用户在前端选择的待分类遥感图像; ...
【技术保护点】
【技术特征摘要】
1.一种图像分类方法,应用于端侧设备,包括:获取待分类图像;提取所述待分类图像的图像特征信息;将所述图像特征信息输入分类模型,得到所述待分类图像的类别信息,其中,所述分类模型为利用多个样本数据训练得到,所述样本数据包括原始特征信息和增强特征信息,所述增强特征信息是对属于不同属性类型空间的样本数据进行跨空间特征增强得到的。2.根据权利要求1所述的方法,还包括:获取样本集,其中,所述样本集包括多个样本数据,所述样本数据携带类别标签;获得各所述样本数据的特征信息,其中,所述特征信息包括原始特征信息和增强特征信息,所述增强特征信息是对属于不同属性类型空间的样本数据进行跨空间特征增强得到的;基于各所述样本数据的特征信息以及各所述样本数据的类别标签,对预设分类网络进行训练,获得训练后的分类模型。3.根据权利要求2所述的方法,所述基于各所述样本数据的特征信息以及各所述样本数据的类别标签,对预设分类网络进行训练,获得训练后的分类模型,包括:提取目标样本数据的特征信息以及目标类别标签,其中,所述目标样本数据为所述多个样本数据中的任一个;将所述目标样本数据的特征信息输入预设分类网络,获得所述目标样本数据的分类结果;根据所述目标样本数据的特征信息、所述分类结果和所述目标类别标签,计算总损失值;基于所述总损失值调整所述预设分类网络的网络参数,并返回执行所述提取目标样本数据的特征信息以及目标类别标签的步骤;在达到训练停止条件的情况下,确定完成对所述预设分类网络的训练,获得分类模型。4.根据权利要求2所述的方法,所述获得各所述样本数据的特征信息,包括:提取各所述样本数据的原始特征信息;根据第一样本数据的原始特征信息,对第二样本数据进行跨空间特征增强,获得所述第二样本数据的增强特征信息,其中,所述第一样本数据和所述第二样本数据为所述样本集中属于不同属性类型空间的任两个样本数据。5.根据权利要求4所述的方法,所述属性类型空间包括类空间,所述第一样本数据属于第一类空间,所述第二样本数据属于第二类空间;所述根据第一样本数据的原始特征信息,对第二样本数据进行跨空间特征增强,获得所述第二样本数据的增强特征信息,包括:根据第一样本数据的原始特征信息,对第二样本数据在目标语义方向上进行跨类空间特征增强,获得所述第二样本数据在所述目标语义方向上的增强特征信息,其中,所述目标语义方向为所述第一类空间中包含的任一特定的语义方向。6.根据权利要求5所述的方法,所述根据第一样本数据的原始特征信息,对第二样本数据在目标语义方向上进行跨类空间特征增强,获得所述第二样本数据在所述目标语义方向上的增强特征信息,包括:
根据第一样本数据的原始特征信息,确定第一样本数据在目标语义方向的采样概率;根据第二样本数据的原始特征信息、所述采样概率,计算类间增强指标;根据所述第二样本数据的原始特征信息和所述类间增强指标,获得所述第二样本数据在所述目标语义方向上的增强特征信息。7.根据权利要求6所述的方法,所述根据第二样本数据的原始特征信息、所述采样概率,计算类间增强指标,包括:对第二样本数据的原始特征信息进行统计,得到所述第二类空间的类条件协方差...
【专利技术属性】
技术研发人员:袁建龙,王志斌,
申请(专利权)人:阿里巴巴中国有限公司,
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。