System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像分类的,特别是涉及一种图像分类方法及系统、存储介质及终端。
技术介绍
1、图像分类就是根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法,其利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。
2、现有技术中,图像分类任务通常需要利用分类数据集来训练图像分类模型,进而通过训练好的图像分类模型进行图像分类。其中,对于一个包含1000个类别的数据集,其训练出来的模型只能支持分类1000个类别。如果需要分类不在这1000个类别里的图像,则需要重新训练图像分类模型。因此,现有的图像分类模型具有以下不足:
3、(1)当增加新图像分类类别时,需要重新训练图像分类模型;若图像分类类别数量过大,例如1亿个类别,图像分类模型则无法训练;
4、(2)无法识别图像中的多个物体,仅会输出一个类别;
5、(3)对于图像中出现的小物体,识别效果差。
技术实现思路
1、鉴于以上所述现有技术的缺点,本专利技术的目的在于提供一种图像分类方法及系统、存储介质及终端,通过目标检测、图像识别和特征向量检索,实现图像的准确检索,且易于扩展分类类别。
2、为实现上述目的及其他相关目的,本专利技术提供一种图像分类方法,包括以下步骤:构建物体向量检索库,所述物体向量检索库用于存储物体的物体特征向量和物体名称;对待分类图像进行目标检测,获取所述待分类图像所包含的每个物体的物
3、于本专利技术一实施例中,构建物体向量检索库包括以下步骤:
4、获取物体图像;
5、对所述物体图像进行图像识别,获取所述物体图像的物体特征向量;
6、获取所述物体图像对应的物体名称;
7、将所述物体名称和所述物体特征向量按照一一对应的方式进行存储,完成物体向量检索库的构建。
8、于本专利技术一实施例中,还包括当出现新的物体图像时,对所述物体向量检索库进行更新;
9、对所述物体向量检索库进行更新包括以下步骤:
10、获取所述新的物体图像进行图像识别,获取所述新的物体图像的物体特征向量和物体名称;
11、将所述物体名称和所述物体特征向量更新至所述物体向量检索库。
12、于本专利技术一实施例中,对待分类图像进行目标检测,获取所述待分类图像所包含的每个物体的物体图像包括以下步骤:
13、基于目标检测模型对所述待分类图像进行目标检测,获取所述待分类图像所包含的物体的物体位置;
14、基于所述物体位置在所述待分类图像中截取所述物体的物体图像。
15、于本专利技术一实施例中,对所述物体图像进行图像识别,获取所述物体图像的物体特征向量包括以下步骤:
16、基于pp-lcnet图像识别模型对所述物体图像进行图像识别;
17、输出所述物体图像的物体特征向量。
18、于本专利技术一实施例中,在所述物体向量检索库中查询与所述物体图像的物体特征向量匹配的物体特征向量对应的物体名称包括以下步骤:
19、计算所述物体图像的物体特征向量与所述物体向量检索库中每个物体特征向量的相似度;
20、判定所述物体向量检索库中相似度最大的物体特征向量与所述物体图像的物体特征向量相匹配;
21、在所述物体向量检索库中获取相匹配的物体特征向量对应的物体名称。
22、于本专利技术一实施例中,所述相似度采用余弦相似度。
23、本专利技术提供一种图像分类系统,包括构建模块、目标检测模块、图像识别模块和分类模块;
24、所述构建模块用于构建物体向量检索库,所述物体向量检索库用于存储物体的物体特征向量和物体名称;
25、所述目标检测模块用于对待分类图像进行目标检测,获取所述待分类图像所包含的每个物体的物体图像;
26、所述图像识别模块用于对所述物体图像进行图像识别,获取所述物体图像的物体特征向量;
27、所述分类模块用于在所述物体向量检索库中查询与所述物体图像的物体特征向量匹配的物体特征向量对应的物体名称,并以所述物体名称作为所述待分类图像的一个类别。
28、本专利技术提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的图像分类方法。
29、本专利技术提供一种图像分类终端,包括:处理器及存储器;
30、所述存储器用于存储计算机程序;
31、所述处理器用于执行所述存储器存储的计算机程序,以使所述图像分类终端执行上述的图像分类方法。
32、如上所述,本专利技术所述的图像分类方法及系统、存储介质及终端,具有以下有益效果:
33、(1)通过目标检测、图像识别和特征向量检索,实现图像的准确检索;
34、(2)易于扩展分类类别,不限制图像分类类别的数量;
35、(3)进行分类类别扩展时,目标检测模型只需要训练识别一个物体即可,图像识别模型不需要重新训练,只需要更新物体的特征向量检索库,从而简化了流程,降低了系统负荷。
本文档来自技高网...【技术保护点】
1.一种图像分类方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像分类方法,其特征在于,构建物体向量检索库包括以下步骤:
3.根据权利要求1所述的图像分类方法,其特征在于,还包括当出现新的物体图像时,对所述物体向量检索库进行更新;
4.根据权利要求1所述的图像分类方法,其特征在于,对待分类图像进行目标检测,获取所述待分类图像所包含的每个物体的物体图像包括以下步骤:
5.根据权利要求1所述的图像分类方法,其特征在于,对所述物体图像进行图像识别,获取所述物体图像的物体特征向量包括以下步骤:
6.根据权利要求1所述的图像分类方法,其特征在于,在所述物体向量检索库中查询与所述物体图像的物体特征向量匹配的物体特征向量对应的物体名称包括以下步骤:
7.根据权利要求6所述的图像分类方法,其特征在于,所述相似度采用余弦相似度。
8.一种图像分类系统,其特征在于,包括构建模块、目标检测模块、图像识别模块和分类模块;
9.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现
10.一种图像分类终端,其特征在于,包括:处理器及存储器;
...【技术特征摘要】
1.一种图像分类方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像分类方法,其特征在于,构建物体向量检索库包括以下步骤:
3.根据权利要求1所述的图像分类方法,其特征在于,还包括当出现新的物体图像时,对所述物体向量检索库进行更新;
4.根据权利要求1所述的图像分类方法,其特征在于,对待分类图像进行目标检测,获取所述待分类图像所包含的每个物体的物体图像包括以下步骤:
5.根据权利要求1所述的图像分类方法,其特征在于,对所述物体图像进行图像识别,获取所述物体图像的物体特征向量包括以下步骤:
【专利技术属性】
技术研发人员:请求不公布姓名,请求不公布姓名,请求不公布姓名,
申请(专利权)人:上海蜜度信息技术有限公司,
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。