本申请涉及一种图像分类方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；将各所述第二子特征图进行重构为第二高层语义特征图；根据所述第二高层语义特征图，对所述目标图像进行图像分类。采用本方法能够通过提升高层高层语义特征图中语义信息的利用率来提升图像分类准确度。升图像分类准确度。升图像分类准确度。
【技术实现步骤摘要】
图像分类方法、装置、计算机设备和存储介质
[0001]本申请涉及图像处理
，特别是涉及一种图像分类方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着图像处理技术的发展，出现了卷积神经网络，卷积神经网络可以提取图像具备丰富语义信息的高层高层语义特征图进行图像分类。
[0003]传统技术中，在得到图像的高层高层语义特征图后，会直接利用高层高层语义特征图进行图像分类，例如可以先对高层高层语义特征图进行全连接，然后将全连接输出归一化为图像分类概率。
[0004]然而，高层高层语义特征图中通常还具备更加丰富的语义信息，传统技术中直接利用高层高层语义特征图进行图像分类的方式，对高层高层语义特征图中语义信息的利用率并不高，从而会影响图像分类的准确度。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够通过提升高层高层语义特征图中语义信息的利用率来提升图像分类准确度的图像分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种图像分类方法。所述方法包括：
[0007]获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；
[0008]根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；
[0009]将各所述第二子特征图进行重构为第二高层语义特征图；
[0010]根据所述第二高层语义特征图，对所述目标图像进行图像分类。
[0011]在其中一个实施例中，所述根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图，包括：
[0012]根据各所述第一子特征图的像素分布信息，生成各所述第一子特征图对应的权重系数矩阵；根据各所述权重系数矩阵，分别对各所述第一子特征图中的像素值进行加权，得到各所述第二子特征图。
[0013]在其中一个实施例中，所述根据各所述第一子特征图的像素分布信息，生成各所述第一子特征图对应的权重系数矩阵，包括：
[0014]分别对各所述第一子特征图进行填充，得到预设第二维度的各填充特征图；根据预设卷积网络，分别将各所述填充特征图由所述预设第二维度映射至所述预设第一维度，得到各所述权重系数矩阵。
[0015]在其中一个实施例中，所述分别对各所述第一子特征图进行填充，得到预设第二
维度的各填充特征图，包括：
[0016]在所述第一高层语义特征图确定所述第一子特征图的邻域像素值；根据所述预设第一维度和预设第二维度之间的维度差以及各所述邻域像素值，生成待填充像素值；根据所述待填充像素值，对所述第一子特征图进行填充，得到预设第二维度的填充特征图。
[0017]在其中一个实施例中，所述根据所述预设第一维度和预设第二维度之间的维度差以及各所述邻域像素值，生成各待填充像素值，包括：
[0018]确定所述预设第一维度和预设第二维度之间的维度差，并对各所述邻域像素值进行求和，得到领域像素总值；将所述领域像素总值在所述维度差上的均值作为所述待填充像素值。
[0019]在其中一个实施例中，所述根据所述第二高层语义特征图，对所述目标图像进行图像分类，包括：
[0020]将所述第一高层语义特征图和所述第二高层语义特征图融合，得到融合高层语义特征图；根据所述融合高层语义特征图，对所述目标图像进行分类。
[0021]第二方面，本申请还提供了一种图像分类装置。所述装置包括：
[0022]特征图分割模块，用于获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；
[0023]特征选择模块，用于根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；
[0024]特征图重构模块，用于将各所述第二子特征图进行重构为第二高层语义特征图；
[0025]图像分类模块，用于根据所述第二高层语义特征图，对所述目标图像进行图像分类。
[0026]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0027]获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；将各所述第二子特征图进行重构为第二高层语义特征图；根据所述第二高层语义特征图，对所述目标图像进行图像分类。
[0028]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0029]获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；将各所述第二子特征图进行重构为第二高层语义特征图；根据所述第二高层语义特征图，对所述目标图像进行图像分类。
[0030]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0031]获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；将各所述第二子特征图进行重构为第二高层语义特征图；根据所述第二高层语义特征图，对所述目标图像进行图像分类。
[0032]上述图像分类方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图，将各所述第二子特征图进行重构为第二高层语义特征图，这样可以实现利用高层语义特征图的像素分布信息，对第一高层语义特征图中的像素进行特征选择，使得特征选择得到的第二高层语义特征图中的语义信息更加有利于图像分类，从而根据所述第二高层语义特征图，对所述目标图像进行图像分类，可以提升图像分类的准确度。
附图说明
[0033]图1为一个实施例中图像分类方法的流程示意图；
[0034]图2为一个实施例中对第一子特征图进行像素级的特征选择的流程示意图；
[0035]图3为另一个实施例中将第一子特征图填充为第二子特征图的流程示意图；
[0036]图4为一个实施例中图像分类装置的结构框图；
[0037]图5为一个实施例中计算机设备的内本文档来自技高网...
【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，所述方法包括：获取目标图像的第一高层语义特征图，将所述第一高层语义特征图分割为预设第一维度的各第一子特征图；根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图；将各所述第二子特征图进行重构为第二高层语义特征图；根据所述第二高层语义特征图，对所述目标图像进行图像分类。2.根据权利要求1所述的方法，其特征在于，所述根据各所述第一子特征图的像素分布信息，分别对各所述第一子特征图进行像素级的特征选择，得到各第二子特征图，包括：根据各所述第一子特征图的像素分布信息，生成各所述第一子特征图对应的权重系数矩阵；根据各所述权重系数矩阵，分别对各所述第一子特征图中的像素值进行加权，得到各所述第二子特征图。3.根据权利要求2所述的方法，其特征在于，所述根据各所述第一子特征图的像素分布信息，生成各所述第一子特征图对应的权重系数矩阵，包括：分别对各所述第一子特征图进行填充，得到预设第二维度的各填充特征图；根据预设卷积网络，分别将各所述填充特征图由所述预设第二维度映射至所述预设第一维度，得到各所述权重系数矩阵。4.根据权利要求3所述的方法，其特征在于，所述分别对各所述第一子特征图进行填充，得到预设第二维度的各填充特征图，包括：在所述第一高层语义特征图确定所述第一子特征图的邻域像素值；根据所述预设第一维度和预设第二维度之间的维度差以及各所述邻域像素值，生成待填充像素值；根据所述待填充像素值，对所述第一子特征图进行填充，得到预设第二维度的填充特征图。5.根据权利要求4所述的方法，其特征在...
【专利技术属性】
技术研发人员：徐晓健，
申请(专利权)人：中国银行股份有限公司，
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。