图像分类装置和方法制造方法及图纸

本发明专利技术提供了一图像分类装置和方法。图像分类装置包括存储装置、运算电路和分类电路。存储装置可存储多个图像类别对应的信息。运算电路耦接存储装置。运算电路可从图像提取装置取得目标图像，并取得目标图像对应的特征向量。此外，运算电路根据多个图像类别对应的信息和上述特征向量，取得对应目标图像的第一估计结果，以及根据参考图像，取得对应目标图像的第二估计结果，其中参考图像对应多个图像类别中的一个。分类电路耦接运算电路。分类电路可根据第一估计结果和第二估计结果，将目标图像加入多个图像类别中的一个。像加入多个图像类别中的一个。像加入多个图像类别中的一个。

【技术实现步骤摘要】
图像分类装置和方法


[0001]本专利技术的实施例主要涉及一图像分类技术，特别涉及根据目标图像和多个分类图像相比所产生的一结果和藉由隐藏式马可夫模型(Hidden Markov Model，HMM)算法所产生的另一结果来进行图像分类的图像分类技术。

技术介绍

[0002]随着科技的进步，图像分类的应用亦日益广泛。因此，如何产生更精确的图像分类结果将是个值得研究的课题。

技术实现思路

[0003]有鉴于上述现有技术的问题，本专利技术的实施例提供了一种图像分类装置和方法。
[0004]根据本专利技术的一实施例提供了一种图像分类装置。上述图像分类装置包括一存储装置、一运算电路和一分类电路。存储装置可用以存储多个图像类别对应的信息。运算电路耦接上述存储装置。运算电路可从一图像提取装置取得一目标图像，并取得上述目标图像对应的一特征向量。此外，运算电路可根据上述多个图像类别对应的上述信息和上述特征向量，取得对应上述目标图像的一第一估计结果，以及根据一参考图像，取得对应上述目标图像的一第二估计结果，其中参考图像对应上述多个图像类别中的一个。分类电路耦接上述运算电路。上述分类电路可根据上述第一估计结果和上述第二估计结果，将上述目标图像加入上述多个图像类别中的一个。
[0005]在一些实施例中，每一上述图像类别包括多个群图像。在一些实施例中，运算电路可根据上述特征向量和每一上述图像类别的每一群图像的群心，分别计算出上述特征向量对应上述每一上述图像类别的最短距离。当上述特征向量对应上述每一上述图像类别的上述最短距离的最小值大于一临界值时，上述运算电路舍弃上述目标图像。当上述特征向量对应上述每一上述图像类别的上述最短距离的最小值未大于一临界值时，上述运算电路根据上述特征向量对应上述每一上述图像类别的上述最短距离和一机率分布算法，计算出上述第一估计结果。
[0006]在一些实施例中，分类电路可将上述第一估计结果和上述第二估计结果相乘，以取得一第三估计结果，并根据上述第三估计结果将上述目标图像加入上述多个图像类别中的一个。
[0007]在一些实施例中，分类电路可将上述第一估计结果乘以一第一权重值，以产生一第一结果，且将上述第二估计结果乘以一第二权重值，以产生一第二结果，且上述分类电路将上述第一结果和上述第二结果相加，以产生一第三估计结果，并根据上述第三估计结果将上述目标图像加入上述多个图像类别中的一个。
[0008]在一些实施例中，分类电路可将上述目标图像加入上述多个图像类别中的一个后，更新加入上述目标图像的上述图像类别对应的上述信息。
[0009]根据本专利技术的一实施例提供了一种图像分类方法。上述图像分类方法适用一图像
分类装置。上述图像分类方法的步骤包括：从一图像提取装置取得一目标图像；藉由上述图像分类装置的一运算电路取得上述目标图像对应的一特征向量；藉由上述运算电路根据上述多个图像类别对应的上述信息和上述特征向量，取得对应上述目标图像的一第一估计结果；藉由上述运算电路根据一参考图像，取得对应上述目标图像的一第二估计结果，其中参考图像对应上述多个图像类别中的一个；以及藉由上述图像分类装置之一分类电路根据上述第一估计结果和上述第二估计结果，将上述目标图像加入上述多个图像类别中的一个。
[0010]关于本专利技术其他附加的特征与优点，本领域技术人员在不脱离本专利技术的精神和范围内，当可根据本申请实施方法中所公开的图像分类装置和方法，做些许的更动与润饰而得到。
附图说明
[0011]图1是显示根据本专利技术的一实施例所述的一图像分类装置100的方块图。
[0012]图2是根据本专利技术的一实施例所述的图像分类方法的流程图。
[0013]【符号说明】
[0014]100：图像分类装置
[0015]110：存储装置
[0016]120：运算电路
[0017]130：分类电路
[0018]200：图像提取单元
[0019]S210～S250：步骤
具体实施方式
[0020]本章节所叙述的是实施本专利技术的较佳方式，目的在于说明本专利技术的精神而非用以限定本专利技术的保护范围，本专利技术的保护范围当视所附权利要求书界定范围为准。
[0021]图1是显示根据本专利技术的一实施例所述的一图像分类装置100的方块图。如图1所示，图像分类装置100可包括一存储装置110、一运算电路120以及一分类电路130。注意的是，在图1中所示的方块图，仅为了方便说明本专利技术的实施例，但本专利技术并不以图1为限。图像分类装置100中也可包含其他元件或其他连接方式。根据本专利技术一实施例，运算电路120和分类电路130可整合于一芯片中。甚至，存储装置110、运算电路120和分类电路130也可整合于一芯片中。
[0022]根据本专利技术的一实施例，存储装置110可是一易失性存储器(volatile memory)(例如：随机存取存储器(Random Access Memory，RAM))，或一非易失性存储器(Non
‑
volatile memory)(例如：快闪存储器(flash memory)、只读存储器(Read Only Memory，ROM))、一硬盘或上述装置的组合。存储单元可用以存储要进行图像分类所需的文件和数据。
[0023]根据本专利技术的实施例，存储装置110可预先存储多个图像类别(class)的图像。根据本专利技术一实施例，每一图像类别可分别对应到一区域，例如：口腔中的不同区域，但本专利技术不以此为限。此外，根据本专利技术的实施例，每一图像类别所包含的图像可预先经由一分群算法分成多个群图像。
[0024]根据本专利技术一实施例，分群算法可是一k
‑
平均(k
‑
means)算法，但本专利技术不以此为限。在k
‑
means算法中，使用者可预先决定要将一图像类别所包含的图像分成几个群(即预先决定每一图像类别所包含的群的个数)。此外，在k
‑
means算法中，每一群会对应k
‑
means算法中的一群心。也就是说，群心的数量会和群的数量相同。
[0025]根据本专利技术一实施例，图像分类装置100可从一图像提取装置200取得一目标图像(即目前时间点，图像提取装置200所提取到的图像)，并将目标图像加入适当的图像类别中。在本专利技术的实施例中，在不同时间点，图像提取装置200可被移动到不同位置，以提取不同图像类别(区域)对应的图像。关于如何将目标图像加入适当的图像类别中底下会有更详细的描述。
[0026]根据本专利技术一实施例，当要将目标图像加入适当的图像类别中时，运算电路120会先提取目标图像的一特征向量。在一实施例中，运算电路120可将目标图像输入一深度学习算法模型，以取得目标图像对应的特征向量。在此实施例中，深度学习算法可是一卷积神经网络(Convolutional Neural Network，CNN)算法(例如：MobileNet、EfficiebtNet、Res本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类装置，包括：存储装置，存储多个图像类别对应的信息；以及运算电路，耦接上述存储装置，从图像提取装置取得目标图像，并取得上述目标图像对应的特征向量，其中上述运算电路根据上述多个图像类别对应的上述信息和上述特征向量，取得对应上述目标图像的第一估计结果，且其中上述运算电路根据参考图像，取得对应上述目标图像的第二估计结果，其中上述参考图像对应上述多个图像类别中的一个；以及分类电路，耦接上述运算电路，其中上述分类电路根据上述第一估计结果和上述第二估计结果，将上述目标图像加入上述多个图像类别中的一个。2.如权利要求1所述的图像分类装置，其中上述每一上述图像类别包括多个群图像。3.如权利要求2所述的图像分类装置，其中上述运算电路根据上述特征向量和每一上述图像类别的每一群图像的群心，分别计算出上述特征向量对应上述每一上述图像类别的最短距离。4.如权利要求3所述的图像分类装置，其中当上述特征向量对应上述每一上述图像类别的上述最短距离的最小值大于临界值时，上述运算电路舍弃上述目标图像。5.如权利要求3所述的图像分类装置，其中当上述特征向量对应上述每一上述图像类别的上述最短距离的最小值未大于临界值时，上述运算电路根据上述特征向量对应上述每一上述图像类别的上述最短距离和机率分布算法，计算出上述第一估计结果。6.如权利要求1所述的图像分类装置，其中上述分类电路将上述第一估计结果和上述第二估计结果相乘，以取得第三估计结果，并根据上述第三估计结果将上述目标图像加入上述多个图像类别中的一个。7.如权利要求1所述的图像分类装置，其中上述分类电路将上述第一估计结果乘以第一权重值，以产生第一结果，且将上述第二估计结果乘以第二权重值，以产生第二结果，且上述分类电路将上述第一结果和上述第二结果相加，以产生第三估计结果，并根据上述第三估计结果将上述目标图像加入上述多个图像类别中的一个。8.如权利要求1所述的图像分类装置，其中上述分类电路将上述目标图像加入上述多个图像类别中的一个后，更新加入上述目标图像的上述图像类别对应的上述信息。9.一种图像分类方法，适用图...

【专利技术属性】
技术研发人员：张嘉渊，郑楷儒，陈毓训，李浩平，许通明，丁敬原，陈少昂，陈冠中，
申请(专利权)人：广达电脑股份有限公司，
类型：发明
国别省市：