【技术实现步骤摘要】
本公开涉及图像处理领域，特别涉及一种图像分类方法、装置、设备及存储介质。
技术介绍
1、通常采用卷积神经网络(convolutional neural networks,cnn)进行图像分类，它以卷积为核心，通过使用特定大小的卷积核在图像上进行滑窗来提取图像的重要特征。cnn的组成主要包含卷积层、池化层、激活函数层、全连接层等，同时多层的卷积操作通常与池化层、激活函数层嵌套使用，并通过全连接层进行分类或回归。然而，当前的池化层如最大池化、平均池化等都是在固定大小窗口中采用特定策略进行下采样，缺乏自适应性，也不利于图像结构和几何特征的保留，导致最终的分类结果不准确。
2、相关技术中，通过在池化层中将特征图的特征进行一次红黑形态小波变换，并与最大池化结合，实现提取待分类图像的特征并进行降采样，并基于提取出的待分类图像的特征进行图像分类。
3、然而，基于上述方案进行图像分类时，最终得到的图像分类结果仍然可能不准确。
技术实现思路
1、本公开提供了一种图像分类方法、装置、设...
【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所述的方法，其特征在于，所述第一红黑形态小波变换包括垂直、水平方向的提升方案，所述垂直、水平方向的提升方案包括第一分裂过程、第一预测过程和第一更新过程，
3.根据权利要求2所述的方法，其特征在于，所述第一红黑形态小波变换还包括对角方向的提升方案，所述对角方向的提升方案包括第二分裂过程、第二预测过程和第二更新过程，
4.根据权利要求1至3任一项所述的方法，其特征在于，所述第一频率特征集合还包括第一水平高频特征、第一竖直高频特征和第一对角高频特征，所述第二频率特征集合包
【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所述的方法，其特征在于，所述第一红黑形态小波变换包括垂直、水平方向的提升方案，所述垂直、水平方向的提升方案包括第一分裂过程、第一预测过程和第一更新过程，
3.根据权利要求2所述的方法，其特征在于，所述第一红黑形态小波变换还包括对角方向的提升方案，所述对角方向的提升方案包括第二分裂过程、第二预测过程和第二更新过程，
4.根据权利要求1至3任一项所述的方法，其特征在于，所述第一频率特征集合还包括第一水平高频特征、第一竖直高频特征和第一对角高频特征，所述第二频率特征集合包括第二低频特征，
5.根据权利要求4所述的方法，其特征在于，所述提升方案卷积神经网络还包括依次连接的激活函数层、全连接层和归一化指数函数softmax输出层，所述提升方案频率选择层的输出与所述激活层的输入连接，
6....
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。