图像分类方法、系统、电子设备及存储介质技术方案

本申请实施例提供了一种图像分类方法、系统、电子设备及存储介质，属于图像数据处理技术领域。方法包括：获取待分类的目标图像输入至预设的图像分类网络中；在图像分类网络中，对目标图像进行特征提取，得到初始特征图，并进行频率分解得到多个频率分量；对每个频率分量进行特征压缩后拼接，得到第一重组特征图，并对特征分布进行分析，确定需要去除的目标特征，并对目标特征进行去除，得到第一选择权重图；基于第一选择权重图进行重复校准，得到第二选择权重图，并将第二选择权重图与初始特征图进行相乘，得到特征校准后的目标特征图；根据目标特征图进行分类，得到目标图像的分类结果。本申请能够提高对目标图像进行分类的准确性。

【技术实现步骤摘要】

本申请涉及图像数据处理，尤其涉及一种图像分类方法、系统、电子设备及存储介质。

技术介绍

1、在使用深度学习方法对目标图像进行处理的过程中，为了提取到更多的细节特征，通常引入注意力机制对图像进行处理，但可能会引入噪声，且在对输入的图像进行频率分解时，在已经存在噪声的情况下，噪声有可能会在变换过程中被放大，对图像分类过程造成干扰。

2、为了避免引入过多的噪声，通过全局平均池化对图像信息进行压缩，但是，这样会降低图像的清晰度和细节程度，从而忽略掉重要的信息，导致对目标图像的分类结果并不准确。例如，在临床研究中，由于医学影像研究目标的对比度不高，病灶具有多样性、边界模糊等特点，若使用一般的注意力机制方法往往无法提取图像的细节特征，从而导致对病灶信息的分类结果不准确。

技术实现思路

1、本申请实施例的主要目的在于提出一种图像分类方法、系统、电子设备及存储介质，能够在提取特征图像的细节信息的同时，对噪声进行抑制，提高对目标图像进行分类的准确性。

2、为实现上述目的，本申请实施例的第一方面提出了一种本文档来自技高网...

【技术保护点】

1.一种图像分类方法，其特征在于，所述方法包括:

2.根据权利要求1所述的图像分类方法，其特征在于，所述对每个所述频率分量进行特征压缩，包括：

3.根据权利要求2所述的图像分类方法，其特征在于，所述对每个所述频率分量进行特征压缩后拼接，得到第一重组特征图，包括：

4.根据权利要求1所述的图像分类方法，其特征在于，所述根据所述第一重组特征图中的特征分布进行分析，确定需要去除的目标特征，并对所述目标特征进行去除，得到多个所述频率分量对应的第一选择权重图，包括：

5.根据权利要求4所述的图像分类方法，其特征在于，所述对每个所述系数特征的特征分布进...

【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:

2.根据权利要求1所述的图像分类方法，其特征在于，所述对每个所述频率分量进行特征压缩，包括：

3.根据权利要求2所述的图像分类方法，其特征在于，所述对每个所述频率分量进行特征压缩后拼接，得到第一重组特征图，包括：

4.根据权利要求1所述的图像分类方法，其特征在于，所述根据所述第一重组特征图中的特征分布进行分析，确定需要去除的目标特征，并对所述目标特征进行去除，得到多个所述频率分量对应的第一选择权重图，包括：

5.根据权利要求4所述的图像分类方法，其特征在于，所述对每个所述系数特征的特征分布进行分析，得到每个所述系数特征的排序分数，包括：

6.根据权利...

【专利技术属性】
技术研发人员：刘江，黄静琪，章晓庆，金日初，汤晨，姜泓羊，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：