【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种图像分类方法及装置、计算机程序产品、电子设备。
技术介绍
1、在常见的图像分类任务中，由于图像通常具有数十万像素，而超高清图像的像素数量可能达到数亿级别，这超出了现有的图像分类网络的处理能力。为了对这类超高清图像进行分类，相关技术人员通常是采用滑动窗口的方式来处理这种大像素图像。
2、具体地，滑动窗口方法是将大像素图像分割成多个较小的窗口，如大小为(1024,1024)的窗口尺寸。在数亿像素的图像中，但即使这样，一张超高清图像也会生成数十甚至上百个分割区域，且这些分割区域被视为独立的图像块进行处理和分类。但上述方法仍存在如下挑战和限制：首先，滑动窗口方法需要大量的计算资源和存储空间来处理大量的图像块，这导致训练时间长且计算成本高昂；其次，由于图像的全局信息被切割，故而会导致分类性能下降，最终分类结果的准确性较差。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种图像分类方法及装置、计算机...
【技术保护点】
1.一种图像分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每个所述分类模型的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，获取多组训练样本，包括：
4.根据权利要求3所述的方法，其特征在于，利用多组所述训练样本对所述初始神经网络模型进行迭代训练，得到所述分类模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述MBConv模块内至少包括：深度可分离卷积层、二维卷积层、压缩和激励网络SE模块，其中，利用多个所述MBConv模块对所述第一特征图依次进行深度特征提取，得到第二特征图，
...
【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每个所述分类模型的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，获取多组训练样本，包括：
4.根据权利要求3所述的方法，其特征在于，利用多组所述训练样本对所述初始神经网络模型进行迭代训练，得到所述分类模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述mbconv模块内至少包括：深度可分离卷积层、二维卷积层、压缩和激励网络se模块，其中，利用多个所述mbconv模块对所述第一特征图依次进行深度特征提取，得到第二特征图，包括：
6.根据权利要求5所述的方法，其特征在于，所述se模块...
【专利技术属性】
技术研发人员：赵健，
申请(专利权)人：中电信人工智能科技北京有限公司，
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。