基于文本分类器的图像分类方法、系统、存储介质及电子设备技术方案

本发明专利技术提供一种基于文本分类器的图像分类方法、系统、存储介质及电子设备，所述方法包括以下步骤：生成文本分类器的训练数据集，所述训练数据集包括图像的类别和类别描述；抽取所述类别描述的文本特征；基于所述文本特征和所述类别训练所述文本分类器；抽取待分类图像的图像特征；将所述图像特征输入训练好的文本分类器，获取所述待分类图像的类别。本发明专利技术的基于文本分类器的图像分类方法、系统、存储介质及电子设备基于文本分类能力实现图像分类，有效提升了图像分类的效率。

【技术实现步骤摘要】

本专利技术属于深度学习的，特别是涉及一种基于文本分类器的图像分类方法、系统、存储介质及电子设备。

技术介绍

1、图像分类顾名思义就是一个模式分类问题，它的目标是将不同的图像，划分到不同的类别，实现最小的分类误差。总体来说，对于单标签的图像分类问题，它可以分为跨物种语义级别的图像分类、子类细粒度图像分类，以及实例级图像分类三大类别。

2、随着深度学习的发展，图像分类问题已经得到了显著的改善。深度学习模型可以自动地从大量的数据中学习到特征表示，并且能够处理高维度数据的非线性关系，这使得对于复杂的图像分类问题更加容易解决。然而，现有技术中训练图像分类模型时，通常难以收集可观的训练集，主要是标签难以收集，导致图像分类模型的训练准确度不高，无法满足实际应用的需求。

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基于文本分类器的图像分类方法、系统、存储介质及电子设备，基于文本分类能力实现图像分类，有效提升了图像分类的效率。

2、第一方面，本专利技术提供一种基于文本分类器本文档来自技高网...

【技术保护点】

1.一种基于文本分类器的图像分类方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：生成文本分类器的训练数据集包括以下步骤：

3.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：基于CLIP文本编码器抽取所述类别描述的文本特征；基于CLIP图像编码器抽取待分类图像的图像特征。

4.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：所述文本分类器采用多层感知机或transformer encoder block。

5.一种基于文本分类器的图像分类系统，其特征在于...

【技术特征摘要】

1.一种基于文本分类器的图像分类方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：生成文本分类器的训练数据集包括以下步骤：

3.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：基于clip文本编码器抽取所述类别描述的文本特征；基于clip图像编码器抽取待分类图像的图像特征。

4.根据权利要求1所述的基于文本分类器的图像分类方法，其特征在于：所述文本分类器采用多层感知机或transformer encoder block。

5.一种基于文本分类器的图像分类系统，其特征在于，所述系统包括生成模块、第一抽取模块、训练模块、第二抽取模块和分类模块；

6....

【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：上海蜜度蜜巢智能科技有限公司，
类型：发明
国别省市：