CN114140655A - 图像分类方法、装置、存储介质及电子设备 - Google Patents
图像分类方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114140655A CN114140655A CN202210111057.3A CN202210111057A CN114140655A CN 114140655 A CN114140655 A CN 114140655A CN 202210111057 A CN202210111057 A CN 202210111057A CN 114140655 A CN114140655 A CN 114140655A
- Authority
- CN
- China
- Prior art keywords
- image
- image set
- classification
- landscape
- semantic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像分类方法、装置、存储介质及电子设备。其中,该图像分类方法采用获取待处理的原始图像集;将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;基于语义风格因子和第一预设分类规则对风景图像集进行分类;提取人物图像集中每一张人物图像中的人脸图像;基于人脸图像和第二预设分类规则对人物图像集进行分类。本方案可以根据用户需求对图像进行精准分类。
Description
技术领域
本申请实施例涉及图像处理领域,具体涉及一种图像分类方法、装置、存储介质及电子设备。
背景技术
随着科技的发展,带有拍照功能的手机、数码相机等移动终端的体积越来越轻薄,拍出的照片质量也越来越好。人们外出游玩,常会随身携带具有拍照功能的移动终端,以便随时拍下心仪的照片。
然而,目前相机拍摄的照片的存储和分类因为分类的不精准而存在查找的过程中需要进行的操作的次数过多的情况。比如,用户需要查找某个特定的照片时, 需要在图库中进行查找和对照片进行重新归类,需要进行的操作的步骤太多,尤其是在照片过多的情况下,更进一步的增加了用户的操作的难度。而在根据时间、地点进行分类的照片中,用户只能按照时间或者地点进行查找和分类,若用户不清楚目标照片的时间或者地点,或者在对应的目标文件夹下的照片过大,用户依旧需要进行大量的操作,无法快速的查找到用户需要的目标照片。
发明内容
本申请实施例提供一种图像分类方法、装置、存储介质及电子设备,可以根据用户需求对图像进行精准分类。
第一方面,本申请实施例提供了一种图像分类方法,包括:
获取待处理的原始图像集;
将所述原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
基于所述语义风格因子和第一预设分类规则对所述风景图像集进行分类;
提取所述人物图像集中每一张人物图像中的人脸图像;
基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类。
在本申请实施例提供的图像分类方法中,所述对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子,包括:
将所述风景图像集输入至卷积网络中进行处理,得到所述风景图像集中的每一张风景图像的抽象语义向量;
提取所述风景图像集中的每一张风景图像的色彩向量;
对所述抽象语义向量和所述色彩向量进行向量融合,得到语义风格因子。
在本申请实施例提供的图像分类方法中,所述基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类,包括:
对所述人脸图像进行特征提取,得到每一张人物图像对应的特征集;
分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;
基于所述相似值对所述人物图像集进行分类。
在本申请实施例提供的图像分类方法中,所述基于所述相似值对所述人物图像集进行分类,包括:
将所述相似值与预设值进行比较,得到比较结果;
根据所述比较结果对所述人物图像集进行分类。
在本申请实施例提供的图像分类方法中,所述提取所述人物图像集中每一张人物图像中的人脸图像,包括:
提取所述人物图像集中每一张人物图像的人脸关键点信息和背景关键点信息;
基于所述人脸关键点信息和所述背景关键点信息确定所述人物图像中人脸和背景的分割线;
基于所述分割线对所述人物图像进行分割,得到所述人物图像集中每一张人物图像中的人脸图像。
第二方面,本申请实施例提供了一种图像分类装置,包括:
图像获取单元,用于获取待处理的原始图像集;
第一分类单元,用于将所述原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
语义分析单元,用于对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
第二分类单元,用于基于所述语义风格因子和第一预设分类规则对所述风景图像集进行分类;
图像提取单元,用于提取所述人物图像集中每一张人物图像中的人脸图像;
第三分类单元,用于基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类。
在本申请实施例提供的图像分类装置中,所述语义分析单元用于:
将所述风景图像集输入至卷积网络中进行处理,得到所述风景图像集中的每一张风景图像的抽象语义向量;
提取所述风景图像集中的每一张风景图像的色彩向量;
对所述抽象语义向量和所述色彩向量进行向量融合,得到语义风格因子。
在本申请实施例提供的图像分类装置中,所述第三分类单元用于:
对所述人脸图像进行特征提取,得到每一张人物图像对应的特征集;
分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;
基于所述相似值对所述人物图像集进行分类。
第三方面,本申请实施例提供一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,执行本申请实施例所提供的任一种所述的图像分类方法中的步骤。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现本申请实施例所提供的任一种所述的图像分类方法中的步骤。
本申请实施例提供的图像分类方法采用获取待处理的原始图像集;将所述原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;基于所述语义风格因子和第一预设分类规则对所述风景图像集进行分类;提取所述人物图像集中每一张人物图像中的人脸图像;基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类。本方案可以根据用户需求对图像进行精准分类。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像分类方法的流程示意图。
图2是本申请实施例提供的图像分类装置的结构示意图。
图3是本申请实施例提供的服务器的结构示意图。
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
接下来将分别介绍本申请实施例提供的一种图像分类方法、装置、存储介质及电子设备。
请参阅图1,图1是本申请实施例提供的图像分类方法的流程示意图。该图像分类方法的具体流程可以如下:
101、获取待处理的原始图像集。
可以理解的是,该原始图像集中可以包括多张图像。
在一些实施例中,在获取到待处理的原始图像集后,可以分别对原始图像集中的每一张图像依次进行锐化处理、边缘补偿处理和降噪处理。其中,锐化处理可以包括非线性变换或线性变换。降噪处理采用的方法可以包括高斯滤波法、中值滤波法或高低通滤波法。
具体地,高斯滤波法可以是指对原始图像集中的每一张图像的像素值进行加权平均的过程,针对每一个像素点的像素值,可以由该像素点本身的像素值和邻域内的其它像素值经加权平均后获得。中值滤波法可以是指将原始图像集中的每一张图像中每一个像素点的灰度值设置为该像素点的一个邻域窗口内的所有像素点的灰度值的中值。高低通滤波法可以是指包括高通滤波和低通滤波中的至少一种。在这里,高通滤波可以是指去掉原始图像集中的每一张图像中的高频分量,留下低频分量。低通滤波可以是指去掉原始图像集中的每一张图像中的低频分量,留下高频分量。高频分量可以是指原始图像集中的每一张图像中强度(亮度/灰度)变化比较平缓的部分。低频分量可以是指原始图像集中的每一张图像中强度(亮度/灰度)变化比较强的部分。其中,边缘补偿处理可以增强原始图像集中的每一张图像边缘的对比度。
102、将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集。
具体的,可以通过该预设风格分类模型对原始图像集中的每一张图像进行特征提取,得到每一张图像的图像特征,之后可以对该图像特征进行识别,从而确定该图像特征的分类,从而得到该图像特征对应图像的分类。比如,当该图像特征为人脸特征时,可以将该图像特征对应的图像存入人物图像集。当该图像特征为风景特征时,可以将该图像特征对应的图像存入风景图像集。
在一些实施例中,可以将该图像特征分别与预设人脸特征、预设风景特征进行比较,从而确定该图像特征的分类。而其他图像集中的图像则为非人脸图像、非风景图像。
需要说明的是,该其他图像集可以为比如物品图像、文件图像等。在本申请实施例中,可以不对该其他图像集进行分类。
103、对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子。
具体的,可以将风景图像集输入至卷积网络中进行处理,得到风景图像集中的每一张风景图像的抽象语义向量;提取风景图像集中的每一张风景图像的色彩向量;对抽象语义向量和色彩向量进行向量融合,得到语义风格因子。
需要说明的是,该卷积网络为卷积神经网络。其中,通过卷积神经网络提取图像的抽象语义向量为现有技术,在此不再一一赘述。
104、基于语义风格因子和第一预设分类规则对风景图像集进行分类。
需要说明的是,该第一预设分类规则可以由用户自行设定。比如可以为风景类型分类、地理位置分类等等。
105、提取人物图像集中每一张人物图像中的人脸图像。
具体的,可以提取人物图像集中每一张人物图像的人脸关键点信息和背景关键点信息;基于人脸关键点信息和背景关键点信息确定人物图像中人脸和背景的分割线;基于分割线对人物图像进行分割,得到人物图像集中每一张人物图像中的人脸图像。
106、基于人脸图像和第二预设分类规则对人物图像集进行分类
具体的,可以对人脸图像进行特征提取,得到每一张人物图像对应的特征集;分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;基于相似值对人物图像集进行分类。
在一些实施例中,可以将所述相似值与预设值进行比较,得到比较结果;然后根据所述比较结果对所述人物图像集进行分类。比如,可以将相似值大于或等于预设值的人物图像分为一类。
其中,该预设值可以根据实际情况进行设定。
综上,本申请实施例提供的图像分类方法采用获取待处理的原始图像集;将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;基于语义风格因子和第一预设分类规则对风景图像集进行分类;提取人物图像集中每一张人物图像中的人脸图像;基于人脸图像和第二预设分类规则对人物图像集进行分类。本方案可以根据用户需求对图像进行精准分类。
请参阅图2,本申请实施例还提供一种图像分类装置。该图像分类装置200可以包括:
图像获取单元201,用于获取待处理的原始图像集;
第一分类单元202,用于将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
语义分析单元203,用于对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
第二分类单元204,用于基于语义风格因子和第一预设分类规则对风景图像集进行分类;
图像提取单元205,用于提取人物图像集中每一张人物图像中的人脸图像;
第三分类单元206,用于基于人脸图像和第二预设分类规则对人物图像集进行分类。
在一些实施例中,语义分析单元203可以用于:
将风景图像集输入至卷积网络中进行处理,得到风景图像集中的每一张风景图像的抽象语义向量;
提取风景图像集中的每一张风景图像的色彩向量;
对抽象语义向量和色彩向量进行向量融合,得到语义风格因子。
在一些实施例中,第三分类单元206可以用于:
对人脸图像进行特征提取,得到每一张人物图像对应的特征集;
分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;
基于相似值对人物图像集进行分类。上述所有的技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。其中名词的含义与上述图像分类方法中相同,具体实现细节可以参考方法实施例中的说明。
本申请实施例提供的图像分类装置200通过图像获取单元201获取待处理的原始图像集;由第一分类单元202将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;由语义分析单元203对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;由第二分类单元204基于语义风格因子和第一预设分类规则对风景图像集进行分类;由图像提取单元205提取人物图像集中每一张人物图像中的人脸图像;由第三分类单元206基于人脸图像和第二预设分类规则对人物图像集进行分类。本方案可以根据用户需求对图像进行精准分类
本申请实施例还提供一种服务器,如图3所示,其示出了本申请实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图3中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器301是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
服务器还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理***与处理器301逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器301会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能,如下:
获取待处理的原始图像集;
将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
基于语义风格因子和第一预设分类规则对风景图像集进行分类;
提取人物图像集中每一张人物图像中的人脸图像;
基于人脸图像和第二预设分类规则对人物图像集进行分类。
以上操作具体可参见前面的实施例,在此不作赘述。
相应的,本申请实施例还提供一种电子设备,如图4所示,该电子设备可以包括射频(RF,Radio Frequency)电路401、包括有一个或一个以上计算机可读存储介质的存储器402、输入单元403、显示单元404、传感器405、音频电路406、无线保真(WiFi,WirelessFidelity)模块407、包括有一个或者一个以上处理核心的处理器408、以及电源409等部件。本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路401可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器408处理;另外,将涉及上行的数据发送给基站。通常,RF电路401包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM, Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA,Low Noise Amplifier)、双工器等。此外,RF电路401还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯*** (GSM,Global System of Mobile communication)、通用分组无线服务(GPRS ,GeneralPacket Radio Service)、码分多址(CDMA,Code Division Multiple Access)、宽带码分多址(WCDMA,Wideband Code Division Multiple Access)、长期演进(LTE,Long TermEvolution)、电子邮件、短消息服务(SMS,Short Messaging Service)等。
存储器402可用于存储软件程序以及模块,处理器408通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器408和输入单元403对存储器402的访问。
输入单元403可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元403可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器408,并能接收处理器408发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元403还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元404可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元404可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid CrystalDisplay)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器408以确定触摸事件的类型,随后处理器408根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图4中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
电子设备还可包括至少一种传感器405,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在电子设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等; 至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路406、扬声器,传声器可提供用户与电子设备之间的音频接口。音频电路406可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路406接收后转换为音频数据,再将音频数据输出处理器408处理后,经RF电路401以发送给比如另一电子设备,或者将音频数据输出至存储器402以便进一步处理。音频电路406还可能包括耳塞插孔,以提供外设耳机与电子设备的通信。
WiFi属于短距离无线传输技术,电子设备通过WiFi模块407可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块407,但是可以理解的是,其并不属于电子设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器408是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器408可包括一个或多个处理核心;优选的,处理器408可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器408中。
电子设备还包括给各个部件供电的电源409(比如电池),优选的,电源可以通过电源管理***与处理器408逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源409还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备中的处理器408会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器408来运行存储在存储器402中的应用程序,从而实现各种功能:
获取待处理的原始图像集;
将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
基于语义风格因子和第一预设分类规则对风景图像集进行分类;
提取人物图像集中每一张人物图像中的人脸图像;
基于人脸图像和第二预设分类规则对人物图像集进行分类。
以上操作具体可参见前面的实施例,在此不作赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种图像分类方法中的步骤。例如,该指令可以执行如下步骤:
获取待处理的原始图像集;
将原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
对风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
基于语义风格因子和第一预设分类规则对风景图像集进行分类;
提取人物图像集中每一张人物图像中的人脸图像;
基于人脸图像和第二预设分类规则对人物图像集进行分类。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任意图像分类方法中的步骤,因此,可以实现本申请实施例所提供的任一图像分类方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的图像分类方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种图像分类方法,其特征在于,包括:
获取待处理的原始图像集;
将所述原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
基于所述语义风格因子和第一预设分类规则对所述风景图像集进行分类;
提取所述人物图像集中每一张人物图像中的人脸图像;
基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类。
2.如权利要求1所述的图像分类方法,其特征在于,所述对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子,包括:
将所述风景图像集输入至卷积网络中进行处理,得到所述风景图像集中的每一张风景图像的抽象语义向量;
提取所述风景图像集中的每一张风景图像的色彩向量;
对所述抽象语义向量和所述色彩向量进行向量融合,得到语义风格因子。
3.如权利要求1所述的图像分类方法,其特征在于,所述基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类,包括:
对所述人脸图像进行特征提取,得到每一张人物图像对应的特征集;
分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;
基于所述相似值对所述人物图像集进行分类。
4.如权利要求3所述的图像分类方法,其特征在于,所述基于所述相似值对所述人物图像集进行分类,包括:
将所述相似值与预设值进行比较,得到比较结果;
根据所述比较结果对所述人物图像集进行分类。
5.如权利要求3所述的图像分类方法,其特征在于,所述提取所述人物图像集中每一张人物图像中的人脸图像,包括:
提取所述人物图像集中每一张人物图像的人脸关键点信息和背景关键点信息;
基于所述人脸关键点信息和所述背景关键点信息确定所述人物图像中人脸和背景的分割线;
基于所述分割线对所述人物图像进行分割,得到所述人物图像集中每一张人物图像中的人脸图像。
6.一种图像分类装置,其特征在于,包括:
图像获取单元,用于获取待处理的原始图像集;
第一分类单元,用于将所述原始图像集输入至预设风格分类模型中进行分类处理,得到风景图像集、人物图像集和其他图像集;
语义分析单元,用于对所述风景图像集中的每一张风景图像进行语义分析,得到语义风格因子;
第二分类单元,用于基于所述语义风格因子和第一预设分类规则对所述风景图像集进行分类;
图像提取单元,用于提取所述人物图像集中每一张人物图像中的人脸图像;
第三分类单元,用于基于所述人脸图像和第二预设分类规则对所述人物图像集进行分类。
7.如权利要求6所述的图像分类装置,其特征在于,所述语义分析单元用于:
将所述风景图像集输入至卷积网络中进行处理,得到所述风景图像集中的每一张风景图像的抽象语义向量;
提取所述风景图像集中的每一张风景图像的色彩向量;
对所述抽象语义向量和所述色彩向量进行向量融合,得到语义风格因子。
8.如权利要求6所述的图像分类装置,其特征在于,所述第三分类单元用于:
对所述人脸图像进行特征提取,得到每一张人物图像对应的特征集;
分别将每一张人物图像对应的特征集与其他人物图像对应的特征集进行相似度匹配,得到相似值;
基于所述相似值对所述人物图像集进行分类。
9.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1-5任一项所述的方法。
10.一种电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111057.3A CN114140655A (zh) | 2022-01-29 | 2022-01-29 | 图像分类方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111057.3A CN114140655A (zh) | 2022-01-29 | 2022-01-29 | 图像分类方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114140655A true CN114140655A (zh) | 2022-03-04 |
Family
ID=80381873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210111057.3A Pending CN114140655A (zh) | 2022-01-29 | 2022-01-29 | 图像分类方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140655A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116274170A (zh) * | 2023-03-27 | 2023-06-23 | 中建三局第一建设工程有限责任公司 | 一种激光清洗设备的控制方法、***及相关装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007094990A (ja) * | 2005-09-30 | 2007-04-12 | Fujifilm Corp | 画像分類装置および方法並びにプログラム |
US20120281887A1 (en) * | 2010-01-25 | 2012-11-08 | Koichiro Yamaguchi | Image sorting device, method, program, and integrated circuit and storage medium storing said program |
CN105426497A (zh) * | 2015-11-24 | 2016-03-23 | 上海斐讯数据通信技术有限公司 | 一种智能终端相册的自动分类方法及*** |
CN106776662A (zh) * | 2015-11-25 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 一种照片的分类整理方法和装置 |
CN107153838A (zh) * | 2017-04-19 | 2017-09-12 | 中国电子科技集团公司电子科学研究院 | 一种照片自动分级方法及装置 |
CN107977431A (zh) * | 2017-11-30 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN111242074A (zh) * | 2020-01-20 | 2020-06-05 | 佛山科学技术学院 | 一种基于图像处理的证件照背景替换方法 |
CN112001302A (zh) * | 2020-08-21 | 2020-11-27 | 无锡锡商银行股份有限公司 | 基于人脸感兴趣区域分割的人脸识别方法 |
CN112183672A (zh) * | 2020-11-05 | 2021-01-05 | 北京金山云网络技术有限公司 | 图像分类方法、特征提取网络的训练方法和装置 |
CN112507155A (zh) * | 2020-12-22 | 2021-03-16 | 哈尔滨师范大学 | 一种信息处理方法 |
-
2022
- 2022-01-29 CN CN202210111057.3A patent/CN114140655A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007094990A (ja) * | 2005-09-30 | 2007-04-12 | Fujifilm Corp | 画像分類装置および方法並びにプログラム |
US20120281887A1 (en) * | 2010-01-25 | 2012-11-08 | Koichiro Yamaguchi | Image sorting device, method, program, and integrated circuit and storage medium storing said program |
CN105426497A (zh) * | 2015-11-24 | 2016-03-23 | 上海斐讯数据通信技术有限公司 | 一种智能终端相册的自动分类方法及*** |
CN106776662A (zh) * | 2015-11-25 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 一种照片的分类整理方法和装置 |
CN107153838A (zh) * | 2017-04-19 | 2017-09-12 | 中国电子科技集团公司电子科学研究院 | 一种照片自动分级方法及装置 |
CN107977431A (zh) * | 2017-11-30 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN111242074A (zh) * | 2020-01-20 | 2020-06-05 | 佛山科学技术学院 | 一种基于图像处理的证件照背景替换方法 |
CN112001302A (zh) * | 2020-08-21 | 2020-11-27 | 无锡锡商银行股份有限公司 | 基于人脸感兴趣区域分割的人脸识别方法 |
CN112183672A (zh) * | 2020-11-05 | 2021-01-05 | 北京金山云网络技术有限公司 | 图像分类方法、特征提取网络的训练方法和装置 |
CN112507155A (zh) * | 2020-12-22 | 2021-03-16 | 哈尔滨师范大学 | 一种信息处理方法 |
Non-Patent Citations (2)
Title |
---|
吴忠安: "基于面部识别技术的个人智能相册的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
孙敏: "基于Android的图像分类***研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116274170A (zh) * | 2023-03-27 | 2023-06-23 | 中建三局第一建设工程有限责任公司 | 一种激光清洗设备的控制方法、***及相关装置 |
CN116274170B (zh) * | 2023-03-27 | 2023-10-13 | 中建三局第一建设工程有限责任公司 | 一种激光清洗设备的控制方法、***及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107124555B (zh) | 控制对焦的方法、装置、计算机设备及计算机可读存储介质 | |
CN108259758B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107241552B (zh) | 一种图像获取方法、装置、存储介质和终端 | |
CN107749046B (zh) | 一种图像处理方法及移动终端 | |
CN105989572B (zh) | 图片处理方法及装置 | |
CN110969056B (zh) | 文档图像的文档版面分析方法、装置及存储介质 | |
US10706282B2 (en) | Method and mobile terminal for processing image and storage medium | |
CN111556248B (zh) | 拍摄方法、装置、存储介质及移动终端 | |
CN105513098B (zh) | 一种图像处理的方法和装置 | |
CN109976848A (zh) | 一种图片显示方法、装置、设备及存储介质 | |
CN113421211A (zh) | 光斑虚化的方法、终端设备及存储介质 | |
CN114140655A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN110336917B (zh) | 一种图片展示方法、装置、存储介质及终端 | |
CN110717486B (zh) | 文本检测方法、装置、电子设备和存储介质 | |
CN108595104B (zh) | 一种文件处理方法及终端 | |
CN107734049B (zh) | 网络资源的下载方法、装置和移动终端 | |
CN111027406B (zh) | 图片识别方法、装置、存储介质及电子设备 | |
CN113283552A (zh) | 图像的分类方法、装置、存储介质及电子设备 | |
CN108829600B (zh) | 算法库的测试方法、装置、存储介质和电子设备 | |
CN107194363B (zh) | 图像饱和度处理方法、装置、存储介质及计算机设备 | |
CN112837222A (zh) | 指纹图像拼接方法、装置、存储介质及电子设备 | |
CN110866488A (zh) | 图像处理方法及装置 | |
CN111787228A (zh) | 拍摄方法、装置、存储介质及移动终端 | |
CN111402273A (zh) | 一种图像处理方法和电子设备 | |
CN114140864B (zh) | 轨迹跟踪方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220304 |