图像分类方法、图像分类装置及电子设备制造方法及图纸

本申请公开了一种图像分类方法、图像分类装置及电子设备，属于图像分类领域。本申请提供的图像分类方法包括：获取目标图像，所述目标图像为属于目标域的待分类图像；向第二图像分类模型输入所述目标图像；其中，所述第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型；所述第一图像分类模型为已经训练好的图像分类模型，且用于对属于源域的图像进行分类；输出所述目标图像的分类结果。输出所述目标图像的分类结果。输出所述目标图像的分类结果。

【技术实现步骤摘要】
图像分类方法、图像分类装置及电子设备


[0001]本申请属于图像分类领域，具体涉及一种图像分类方法、图像分类装置及电子设备。

技术介绍

[0002]在图像分类领域中，一般采用源域的图像作为训练样本进行图像分类模型的训练，然而，有限的训练样本难以覆盖所有风格的图像。在图像分类模型的应用过程中，若采用训练好的图像分类模型，识别与源域差距较大的目标域的待识别图像，识别准确率偏低。
[0003]为了解决上述问题，相关技术中，一般可以先将属于目标域的待识别图像输入至预先训练好的域迁移模型中，以将目标域的待识别图像转化为源域的待识别图像；然后将源域的待识别图像输入至预先训练好的图像分类模型中，实现待识别图像的分类。
[0004]然而，相关技术中由于待识别图像需要先经过域迁移模型进行预处理，然后经过图像分类模型进行分类，分类速度较慢。

技术实现思路

[0005]本申请实施例提供一种图像分类方法、图像分类装置及电子设备，能够解决相关技术中图像分类速度较慢的问题。
[0006]第一方面，本申请实施例提供了一种图像分类方法，该方法包括：
[0007]获取目标图像，所述目标图像为属于目标域的待分类图像；
[0008]向第二图像分类模型输入所述目标图像；其中，所述第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型；所述第一图像分类模型为已经训练好的图像分类模型，且用于对属于源域的图像进行分类；
[0009]输出所述目标图像的分类结果。
[0010]第二方面，本申请实施例提供了一种图像分类装置，包括：获取模块、输入模块以及输出模块；
[0011]所述获取模块，用于获取目标图像，所述目标图像为属于目标域的待分类图像；
[0012]所述输入模块，用于向所述第二图像分类模型输入所述目标图像；其中，所述第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型；所述第一图像分类模型为已经训练好的图像分类模型，且用于对属于源域的图像进行分类；
[0013]所述输出模块，用于输出所述目标图像的分类结果。
[0014]第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
[0015]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
[0016]在本申请实施例中，通过获取目标图像，所述目标图像为属于目标域的待分类图像；向所述第二图像分类模型输入所述目标图像；其中，所述第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型；所述第一图像分类模型为已经训练好的图像分类模型，且用于对属于源域的图像进行分类；输出所述目标图像的分类结果。这样，由于第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型，第二图像分类模型能够适用于属于目标域的图像的分类，与相关技术相比，无需将目标域的待分类图像输入域迁移模型进行预处理，目标域的待分类图像直接通过第二图像分类模型进行分类，图像分类速度较快，解决了相关技术中图像分类速度较慢的问题。
附图说明
[0017]图1是相关技术中的一种图像分类方法的示意性流程图；
[0018]图2是本申请实施例提供的一种图像分类方法的示意性流程图；
[0019]图3是本申请实施例提供的另一种图像分类方法的示意性流程图；
[0020]图4是本申请实施例提供的另一种图像分类方法的示意性流程图；
[0021]图5是本申请实施例提供的另一种图像分类方法的示意性流程图；
[0022]图6是本申请实施例提供的另一种图像分类方法的示意性流程图；
[0023]图7是本申请实施例提供的另一种图像分类方法的示意性流程图；
[0024]图8是本申请实施例提供的一种目标分类模型的训练方法的示意性流程图；
[0025]图9是本申请实施例提供的另一种目标分类模型的训练方法的示意性流程图；
[0026]图10是本申请实施例提供的一种图像分类装置的示意性结构图；
[0027]图11是本申请实施例提供的一种电子设备的示意性结构图；
[0028]图12是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
[0030]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0031]申请人注意到，相关技术中，如图1所示，为了解决图像分类模型训练和图像分类模型应用时的图像场景差距较大的问题，一般先将目标图像(目标域的待识别图像)输入至预先训练好的域迁移模型中，以将目标域的待识别图像转化为源域的图像；然后将源域的图像输入至预先训练好的第一图像分类模型中，实现待识别图像的预测分类。其中，第一图像分类模型可以是采用源域的图像样本作为训练样本进行训练得到的图像分类模型，进而
第一图像分类模型可以适用于对属于源域的图像进行分类。这样，目标图像依次经过域迁移模型、第一图像分类模型进行分类，图像分类速度较慢。
[0032]基于此，如图2所示，本申请实施例提供的图像分类方法，可以采用与目标域对应的目标域特征信息对第一图像分类模型进行调整，得到适用于对属于目标域的图像进行分类的第二图像分类模型。这样，可以直接通过第二图像分类模型进行目标图像的分类，与相关技术相比，目标图像无需通过域迁移模型进行预处理，图像分类速度较快。
[0033]下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像分类方法、图像分类装置及电子设备进行详细地说明。
[0034]图3是本申请实施例提供的一种图像分类方法的示意性流程图。
[0035]如图3所示，本申请实施例提供的图像分类方法，可以包括：
[0036]步骤310：获取目标图像，所述目标图像为属于目标域的待分类图像；
[0037]步骤320：向第二图像分类模型输入所述目标图像；其中，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：获取目标图像，所述目标图像为属于目标域的待分类图像；向第二图像分类模型输入所述目标图像；其中，所述第二图像分类模型是基于与目标域对应的目标域特征信息对第一图像分类模型进行调整而得到的图像分类模型；所述第一图像分类模型为已经训练好的图像分类模型，且用于对属于源域的图像进行分类；输出所述目标图像的分类结果。2.根据权利要求1所述的方法，其特征在于，在获取目标图像之前，所述方法还包括：获取第一图像分类模型；获取与目标域对应的目标域特征信息，所述目标域特征信息用于表征所述目标域特有的特征；基于所述目标域特征信息对所述第一图像分类模型进行调整，得到第二图像分类模型，其中，所述第二图像分类模型适用于对属于所述目标域的图像进行分类。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标域特征信息对所述第一图像分类模型进行调整，得到第二图像分类模型包括：获取所述第一图像分类模型中与所述源域对应的源域特征信息，所述源域特征信息用于表征所述源域特有的特征；将所述第一图像分类模型中的所述源域特征信息替换为所述目标域特征信息，得到调整后的图像分类模型；基于所述调整后的图像分类模型，得到第二图像分类模型。4.根据权利要求3所述的方法，其特征在于，所述源域特征信息包括N个指定特征向量，所述目标域特征信息包括N个目标特征向量，N为整数，且N≥1；所述将所述第一图像分类模型中的所述源域特征信息替换为所述目标域特征信息，得到调整后的图像分类模型，包括：将所述第一图像分类模型中的N个指定特征向量替换为所述N个目标特征向量，得到调整后的图像分类模型。5.根据权利要求4所述的方法，其特征在于，所述第一图像分类模型包括：N个指定卷积层和用于分类预测的第一预测层，所述N个指定卷积层中的第N个指定卷积层与所述第一预测层相连；所述N个指定特征向量中的第i个指定特征向量对应于所述N个指定卷积层中的第i指定卷积层，其中，i为整数，且N≥i≥1；所述获取与目标域对应的目标域特征信息包括：利用目标分类模型获取与目标域对应的目标域特征信息，其中，所述目标分类模型为已训练好的域分类模型；其中，所述目标分类模型包括：N个目标卷积层和用于分类预测的第二预测层，所述N个目标卷积层中的第N个目标卷积层与所述第二预测层相连；所述N个目标卷积层中的第i目标卷积层与所述N个指定卷积层中的第i指定卷积层对应；所述N个目标特征向量中的第i个目标特征向量由所述第i目标卷积层输出；所述将所述第一图像分类模型中的N个指定特征向量替换为所述N个目标特征向量包括：针对所述N个指定特征向量中的各个特征向量，执行如下替换操作：将所述N个指定特征向量中的第i个指定特征向量对应替换为所述N个目标特征向量中的第i个目标特征向
量；其中，1≤i≤N；其中，在N＝1的情况下，第一指定卷积层的输出和第一个目标特征向量之和作为所述第一预测层的输入；在N≥2且N
‑
1≥q≥1的情况下，第q指定卷积层的输出和第q个目标特征向量之和作为第q+1指定卷积层的输入，q为整数；在N≥2且q＝N的情况下，第q指定卷积层的输出和第q个目标特征向量之和作为所述第一预测层的输入。6.根据权利要求2所述的方法，其特征在于，所述获取与目标域对应的目标域特征信息包括：获取目标...

【专利技术属性】
技术研发人员：赵幸福，周迅溢，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：