CN116188875A - 图像分类方法、装置、电子设备、介质和产品 - Google Patents
图像分类方法、装置、电子设备、介质和产品 Download PDFInfo
- Publication number
- CN116188875A CN116188875A CN202310323632.0A CN202310323632A CN116188875A CN 116188875 A CN116188875 A CN 116188875A CN 202310323632 A CN202310323632 A CN 202310323632A CN 116188875 A CN116188875 A CN 116188875A
- Authority
- CN
- China
- Prior art keywords
- feature
- ith
- classification
- image
- module
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 156
- 239000013598 vector Substances 0.000 claims abstract description 131
- 239000011159 matrix material Substances 0.000 claims description 87
- 238000013145 classification model Methods 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 238000011176 pooling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像分类方法、装置、电子设备、介质和产品,涉及人工智能技术领域,具体涉及计算机视觉、图像处理和深度学习等技术领域。具体实现方案为:获取待分类图像;对所述待分类图像进行特征提取,得到目标特征信息,目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息;基于所述第一分类信息和第二分类信息,确定目标分类类别。本公开可以提高图像分类结果的准确性。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及计算机视觉、图像处理和深度学习等技术领域。具体涉及一种图像分类方法、装置、电子设备、介质和产品。
背景技术
在计算机视觉领域,卷积神经网络(Convolutional Neural Networks,CNN)是主流的模型结构,CNN主要应用于图像分类、检测和分割等任务中。为了提高CNN的图像处理效果,相关技术中主要采用的手段是增加CNN的宽度、深度或者输入图像分辨率。
发明内容
本公开提供了一种图像分类方法、装置、电子设备、介质和产品。
根据本公开的第一方面,提供了一种图像分类方法,包括:
获取待分类图像;
对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
根据本公开的第二方面,提供了一种图像分类装置,包括:
获取模块,用于获取待分类图像;
特征提取模块,用于对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
生成模块,用于基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
确定模块,用于基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面所述的方法。
本公开实施例中,在对图像进行分类的过程中,通过生成第一特征向量和第二特征向量,并基于第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,然后,基于所述第一分类信息和所述第二分类信息,确定目标分类类别,如此,有利于提高图像分类结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种图像分类方法的流程图之一;
图2是本公开实施例提供的一种图像分类方法的流程图之二;
图3是相关技术中的图像分类方法的流程图;
图4是本公开实施例中特征处理模块对查询特征进行更新过程的流程示意图;
图5是本公开实施例提供的一种图像分类装置的结构示意图;
图6是本公开实施例中的特征提取模块的结构示意图;
图7是本公开实施例中的更新子模块的结构示意图;
图8是本公开实施例中的生成模块的结构示意图;
图9是本公开实施例中的确定模块的结构示意图;
图10本公开实施例提供的用于实现图像分类方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
请参见图1,图1为本公开实施例提供的一种图像分类方法的流程示意图,所述图像分类方法,包括:
步骤S101、获取待分类图像;
步骤S102、对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
步骤S103、基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
步骤S104、基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
其中,上述图像分类方法可以应用于各种图像分类场景或者图像识别场景,例如,人脸识别场景、以图搜图场景、图像检索场景、商品识别场景等。
上述健值特征即特征图对应的Key特征,上述值特征即特征图对应的Value特征,上述预先获取的初始查询特征可以是:预先获取到的Query特征,其中,所述Query特征可以是基于随机初始化得到的Query生成的特征,例如,可以通过对Query进行线性投影,得到所述Query特征。
上述特征图可以是采用图像分类模型对所述待分类图像进行特征提取得到的特征图,例如,可以是采用CNN图像分类模型对所述待分类图像进行特征提取得到的特征图。相应地,所述图像分类模型一方面可以基于所述特征图生成的第一特征向量;另一方面,所述图像分类模型还可以基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的第二特征向量。然后,基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,即图像分类模型可以基于两种不同的方式获取待分类图像的特征,并基于不同方式获取到的特征分别进行分类,得到第一分类信息和所述第二分类信息,最后,可以融合第一分类信息和所述第二分类信息得到目标分类类别。该过程中,由于采用不同方式获取到的特征向量通常不同,从而有利于提高特征获取的全局性,进而有利于提高CNN的感受野,如此,可以提高图像分类的准确性。
该实施方式中,在对图像进行分类的过程中,通过生成第一特征向量和第二特征向量,并基于第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,然后,基于所述第一分类信息和所述第二分类信息,确定目标分类类别,如此,有利于提高图像分类结果的准确性。
可选地,所述对所述待分类图像进行特征提取,得到目标特征信息,包括:
基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,所述图像分类模型包括s个依次连接的特征处理层,一个特征处理层包括一个特征提取模块和一个特征处理模块,所述特征提取模块用于提取所接收到的图像中的特征,以输出所述特征图,所述特征处理模块用于基于所述特征图对应的健值特征、所述特征图对应的值特征和所述初始查询特征,对所述初始查询特征进行更新,所述s个依次连接的特征处理层与所述s次迭代特征处理一一对应,所述s为大于1的整数。
其中,所述图像分类模型可以是CNN图像分类模型。
上述图像分类模型可以基于所述s个依次连接的特征处理层、对所述待分类图像进行s次迭代特征处理。其中,每个特征处理层在进行特征处理之后,可以输出更新后的查询特征和特征图,并将更新后的查询特征和特征图作为下一个特征处理层的输入。
该实施方式中,通过采用s个依次连接的特征处理层对待分类图像进行s次迭代特征处理,如此,有利于使得第一特征向量和第二特征向量包括更多的用于图像分类的关键特征,进而有利于提高分类结果的准确性。
可选地,所述基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,包括:
将第i个图像输入第i个特征处理层的特征提取模块进行特征提取,得到第i个特征图,其中,所述i为大于0且小于或等于所述s的整数;
基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征;
基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征;
其中,在所述i等于1的情况下,所述第i个图像为所述待分类图像,所述第i个查询特征为所述初始查询特征;
在所述i大于1的情况下,所述第i个图像为第i-1个特征图;
所述第一特征向量为基于第s个特征图生成的特征向量,所述第二特征向量包括所述第s个特征处理层的特征处理模块输出的第s+1个查询特征。
请参见图2,图2为本公开一个实施例中,图像分类模型对待分类图像进行分类过程的流程示意图。上述特征处理模块可以是相关技术中CNN图像分类模型的特征处理层,上述特征处理模块可以是在相关技术中的CNN图像分类模型的基础上增设的注意力分类(Class Attention)模块。此外,请参见图3,相关技术中的CNN图像分类模型由于不包括Class Attention模块,因此,CNN图像分类模型的分类器仅具有一个输入。而本公开实施例中,由于分类器需要基于第一特征向量和第二特征向量分别进行分类,因此,可以采用混合分类器替换相关技术中的CNN图像分类模型的分类器,其中,所述混合分类器包括两个输入,因此,所述第一特征向量和第二特征向量可以分别从混合分类器的两个输入传输至所述混合分类器,如此,混合分类器可以分别基于第一特征向量和第二特征向量进行分类,得到第一分类信息和第二分类信息。在得到第一分类信息和第二分类信息之后,混合分类器还可以基于所述第一分类信息和所述第二分类信息,确定目标分类类别,从而实现对图像的分类过程。
请进一步参见图2,在本公开一个实施例中,所述s的取值为3,在图像分类模型接收到待分类图像之后,可以先基于第1个特征处理层的第一特征提取模块对待分类图像进行特征提取,得到第1个特征图。然后,将第1个特征图和初始查询特征输入第1个特征处理层的第一特征处理模块,由第一特征处理模块基于第1个特征图,生成第1个健值特征和第1个值特征,并由第一特征处理模块利用所述第1个健值特征、所述第1个值特征和初始查询特征、对所述初始查询特征进行更新,得到第2个查询特征。然后,将第2个查询特征和第1个特征图输入第2个特征处理层进行第二次特征处理,得到第3个查询特征和第2个特征图。再将第3个查询特征和第2个特征图输入第3个特征处理层进行第三次特征处理,得到第4个查询特征和第3个特征图。
其中,上述第i个查询特征、第i个健值特征、所述第i个值特征均可以是向量形式的特征,相应地,可以直接将所述第s+1个查询特征作为所述第二特征向量。即在图2所示的实施例中,可以直接将所述第4个查询特征作为所述第二特征向量。
上述第一特征向量为基于第s个特征图生成的特征向量具体可以是指:由所述图像分类模型的最大池化层(maximum pooling)对所述第s个特征图进行池化处理之后得到的特征向量。或者,所述第一特征向量为基于第s个特征图生成的特征向量具体可以是指:由所述图像分类模型的平均池化层(average pooling)对所述第s个特征图进行池化处理之后得到的特征向量。即在图2所示的实施例中,可以基于图像分类模型的最大池化层或者平均池化层对所述第3个特征图进行池化处理,得到所述第一特征向量。
该实施方式中,由于Class Attention模块可以建模特征之间的全局关系,因此,更新后的Query具有全局的感受野,相对于相关技术中的CNN模型仅具有局部的感受野而言,本公开的图像分类方法具有更强的分类识别能力。此外,本公开实施例中,仅在一个CNN模型的基础上增加一个Class Attention模块,以及,将CNN模型的分类器替换为混合分类器,如此,在对图像分类的过程中,图像分类模型的计算量仅稍微多于单个CNN模型的计算量,相对于采用多个CNN模型进行混合分类而言,可以有效的较小图像分类的过程中的模型计算量。
可选地,所述基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征,包括:
基于所述第i个特征处理层的特征处理模块利用注意力机制对所述第i个健值特征和所述第i个查询特征进行处理,得到第i个注意力矩阵;
基于所述第i个特征处理层的特征处理模块对所述第i个值特征和所述第i个注意力矩阵进行聚合处理,得到所述第i+1个查询特征。
请参见图4,为本公开一个实施例中,特征处理模块进行特征处理过程的流程示意图,特征处理模块的输入可以为Query特征和特征图,特征处理模块可以基于特征图生成Key特征和Value特征,然后,利用注意力机制对Query特征和Key特征进行注意力加强处理,得到注意力矩阵。其中,所述注意力机制可以是相关技术中常用的注意力机制,例如,可以基于Scaled Dot-Product Attention Query特征和Key特征进行注意力加强处理,得到注意力矩阵。请进一步参见图4,在得到所述注意力矩阵之后,所述特征处理模块可以进一步对所述注意力矩阵和所述Value特征进行聚合,得到更新后的Query特征。
在本公开一个实施例中,可以初始化一组数目为k的query向量,query向量的维度为d,k和d为***超参数,通常将k的取值设置为6,将d的取值设置为192。如此,所述图像分类模型在接收到待分类图像时,可以基于初始化得到的query向量实现上述图像分类过程。
其中,特征处理模块可以进一步对所述注意力矩阵和所述Value特征进行聚合具体可以是指:对所述注意力矩阵和所述Value特征进行加权求和,得到所述更新后的Query特征。具体地,所述Value特征可以为与所述注意力矩阵的维度相同的矩阵形式的特征矩阵,或者,可以先将所述Value特征转换为与所述注意力矩阵的维度相同的特征矩阵之后,再将所述注意力矩阵与转换之后得到的特征矩阵进行加权求和。在进行加权求和的过程中的权重比可以根据实际需要进行确定,例如,所述注意力矩阵和所述Value特征的权重比为1:1,或者1:2等。
该实施方式中,通过基于所述第i个特征处理层的特征处理模块利用注意力机制对所述第i个健值特征和所述第i个查询特征进行处理,得到第i个注意力矩阵;并基于所述第i个特征处理层的特征处理模块对所述第i个值特征和所述第i个注意力矩阵进行聚合处理,得到所述第i+1个查询特征,如此,可以建模特征之间的全局关系,使得更新后的Query具有全局的感受野,进而提高图像分类效果。
可选地,所述基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征,包括:
基于所述第i个特征处理层的特征处理模块利用第一投影矩阵对所述第i个特征图进行线性投影,得到所述第i个健值特征,以及,基于所述第i个特征处理层的特征处理模块利用第二投影矩阵对所述第i个特征图进行线性投影,得到所述第i个值特征,所述第一投影矩阵和所述第二投影矩阵为不同的矩阵。
上述第一投影矩阵可以表示为:WK∈Rd×d',上述第二投影矩阵可以表示为WV∈Rd ×d'。此外,还可以上述通过对Query进行线性投影,得到所述Query特征具体可以是指:基于第三投影矩阵WQ∈Rd×d'对Query进行线性投影,得到所述Query特征。其中,所述第一投影矩阵、第二投影矩阵和第三投影矩阵分别为不同的投影矩阵。在本公开一个实施例中,上述图像分类模型可以包括三个线性层,所述三个线性层分别与上述三个投影矩阵一一对应,且所述三个线性层用于实现上述线性投影过程。
其中,上述线性投影之后,所得到的Query特征、Key特征和Value特征的特征维度相同。维度是***超参数,一般设置为256。
该实施方式中,通过基于所述第i个特征处理层的特征处理模块利用第一投影矩阵对所述第i个特征图进行线性投影,得到所述第i个健值特征,以及,基于所述第i个特征处理层的特征处理模块利用第二投影矩阵对所述第i个特征图进行线性投影,得到所述第i个值特征,如此,可以实现所述健值特征和值特征的获取过程。
可选地,所述第一特征向量包括m个维度的特征,所述第二特征向量包括d个维度的特征,所述基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,包括:
确定第一分类矩阵和第二分类矩阵,其中,所述第一分类矩阵为n×m的分类矩阵,所述第二分类矩阵为n×d的分类矩阵;
基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息。
在本公开一个实施例中,上述第一特征向量可以表示为fcnn,上述第二特征向量可以表示为fclass。在确定所述所述第一特征向量包括m个维度的特征,所述第二特征向量包括d个维度的特征,以及,确定类别数量为n之后,可以基于相关技术中的方法确定上述第一分类矩阵和第二分类矩阵,例如,可以采用W1∈Rn×m表示第一分类矩阵,采用W2∈Rn×d表示第二分类矩阵。
上述基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息f1,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息f2,具体可以是采用如下公式计算得到所述第一分类信息和第二分类信息:
f1=softmax(W1fcnn)
f2=softmax(W2fclass)
其中,f1为第一分类信息,softmax()为归一化指数函数,W1为第一分类矩阵,fcnn为第一特征向量,f2为第二分类信息,W2为第二分类矩阵,fclass为第二特征向量。
可以理解的是,上述第一分类信息f1和第二分类信息f2可以为概率分布,即所述第一分类信息f1和第二分类信息f2分别包括所述待分类图像属于上述n个类别中每个类别的概率值。
该实施方式中,通过确定第一分类矩阵和第二分类矩阵,并基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息,从而实现所述第一分类信息和第二分类信息的获取过程。
可选地,所述基于所述第一分类信息和所述第二分类信息,确定目标分类类别,包括:
对所述第一分类信息和所述第二分类信息进行加权求和,得到目标分类信息,所述目标分类信息包括n个概率值,所述n个概率值与预设的n个分类类别一一对应;
将所述n个概率值中,最大的概率值所对应的分类类别确定为所述目标分类类别。
上述对所述第一分类信息和所述第二分类信息进行加权求和的过程中的权重比可以根据实际需要进行选取,例如,所述第一分类信息和所述第二分类信息的权重比可以为1:1,或者1:2等。在本公开一个实施例中,当所述权重比可以为1:1时,可以基于如下公式计算得到所述目标分类信息:
其中,所述f为目标分类信息,f1为第一分类信息,f2为第二分类信息。可以理解的是,所述目标分类信息可以为概率分布,即所述f包括所述待分类图像属于上述n个类别中每个类别的概率值。
该实施方式中,通过对所述第一分类信息和所述第二分类信息进行加权求和,得到目标分类信息;如此,可以确保所述目标分类信息可以融合第一分类信息和第二分类信息的分类结果。同时,将所述n个概率值中,最大的概率值所对应的分类类别确定为所述目标分类类别,如此,可以提高分类结果的准确性。
需要说明的是,本公开实施例提供的方法,仅在一个CNN模型的基础上增加一个Class Attention模块,以及,将CNN模型的分类器替换为混合分类器,如此,在对图像分类的过程中,图像分类模型的计算量仅稍微多于单个CNN模型的计算量,相对于采用多个CNN模型进行混合分类而言,可以有效的较小图像分类的过程中的模型计算量。例如,当采用两个CNN模型分别进行分类得到上述第一分类信息和所述第二分类信息时,其对应的计算量为O(N2)。而采用本公开实施例的方法,分类得到上述第一分类信息和所述第二分类信息时的计算量为O(kN),其中,所述k为初始化的Query向量的个数,所述N为CNN特征图的特征序列长度,且所述k远小于N。因此,采用本公开实施例提供的方法进行混合分类可以有效的降低计算的复杂度,进而提高图像分类的效率。
经过实验验证,采用相关技术中的CNN图像分类模型的实验数据为:CNN分类精度为75.11%,计算量为229.6M。采用本公开实施例优化有的图像分类模型进行混合分类的实验数据为:分类精度为75.42%,计算量为230.6M。可见,本公开实施例通过对图像分类模型的模型结构进行优化,如此,可以实现在增加少量计算成本的情况下,提高已有分类模型的精度。
请参见图5,为本公开实施例提供的一种图像分类装置500的结构示意图,所述图像分类装置500包括:
获取模块501,用于获取待分类图像;
特征提取模块502,用于对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
生成模块503,用于基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
确定模块504,用于基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
可选地,所述特征提取模块502,具体用于基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,所述图像分类模型包括s个依次连接的特征处理层,一个特征处理层包括一个特征提取模块502和一个特征处理模块,所述特征提取模块502用于提取所接收到的图像中的特征,以输出所述特征图,所述特征处理模块用于基于所述特征图对应的健值特征、所述特征图对应的值特征和所述初始查询特征,对所述初始查询特征进行更新,所述s个依次连接的特征处理层与所述s次迭代特征处理一一对应,所述s为大于1的整数。
可选地,请参见图6,所述特征提取模块502,包括:
特征提取子模块5021,用于将第i个图像输入第i个特征处理层的特征提取模块502进行特征提取,得到第i个特征图,其中,所述i为大于0且小于或等于所述s的整数;
第一生成子模块5022,用于基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征;
更新子模块5023,用于基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征;
其中,在所述i等于1的情况下,所述第i个图像为所述待分类图像,所述第i个查询特征为所述初始查询特征;
在所述i大于1的情况下,所述第i个图像为第i-1个特征图;
所述第一特征向量为基于第s个特征图生成的特征向量,所述第二特征向量包括所述第s个特征处理层的特征处理模块输出的第s+1个查询特征。
可选地,请参见图7,所述更新子模块5023,包括:
注意力处理单元50231,用于基于所述第i个特征处理层的特征处理模块利用注意力机制对所述第i个健值特征和所述第i个查询特征进行处理,得到第i个注意力矩阵;
聚合处理单元50232,用于基于所述第i个特征处理层的特征处理模块对所述第i个值特征和所述第i个注意力矩阵进行聚合处理,得到所述第i+1个查询特征。
可选地,所述第一生成子模块5022,具体用于基于所述第i个特征处理层的特征处理模块利用第一投影矩阵对所述第i个特征图进行线性投影,得到所述第i个健值特征,以及,基于所述第i个特征处理层的特征处理模块利用第二投影矩阵对所述第i个特征图进行线性投影,得到所述第i个值特征,所述第一投影矩阵和所述第二投影矩阵为不同的矩阵。
可选地,所述第一特征向量包括m个维度的特征,所述第二特征向量包括d个维度的特征,请参见图8,所述生成模块503,包括:
第一确定子模块5031,用于确定第一分类矩阵和第二分类矩阵,其中,所述第一分类矩阵为n×m的分类矩阵,所述第二分类矩阵为n×d的分类矩阵;
第二生成子模块5032,用于基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息。
可选地,请参见图9,所述确定模块504,包括:
计算子模块5041,用于对所述第一分类信息和所述第二分类信息进行加权求和,得到目标分类信息,所述目标分类信息包括n个概率值,所述n个概率值与预设的n个分类类别一一对应;
第二确定子模块5042,用于将所述n个概率值中,最大的概率值所对应的分类类别确定为所述目标分类类别。
需要说明地,本实施例提供的图像分类装置500能够实现上述图像分类方法实施例的全部技术方案,因此至少能够实现上述全部技术效果,此处不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,电子设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
电子设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如图像分类方法。例如,在一些实施例中,图像分类方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,执行上文描述的图像分类方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像分类方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种图像分类方法,包括:
获取待分类图像;
对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
2.根据权利要求1所述的方法,其中,所述对所述待分类图像进行特征提取,得到目标特征信息,包括:
基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,所述图像分类模型包括s个依次连接的特征处理层,一个特征处理层包括一个特征提取模块和一个特征处理模块,所述特征提取模块用于提取所接收到的图像中的特征,以输出所述特征图,所述特征处理模块用于基于所述特征图对应的健值特征、所述特征图对应的值特征和所述初始查询特征,对所述初始查询特征进行更新,所述s个依次连接的特征处理层与所述s次迭代特征处理一一对应,所述s为大于1的整数。
3.根据权利要求2所述的方法,其中,所述基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,包括:
将第i个图像输入第i个特征处理层的特征提取模块进行特征提取,得到第i个特征图,其中,所述i为大于0且小于或等于所述s的整数;
基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征;
基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征;
其中,在所述i等于1的情况下,所述第i个图像为所述待分类图像,所述第i个查询特征为所述初始查询特征;
在所述i大于1的情况下,所述第i个图像为第i-1个特征图;
所述第一特征向量为基于第s个特征图生成的特征向量,所述第二特征向量包括所述第s个特征处理层的特征处理模块输出的第s+1个查询特征。
4.根据权利要求3所述的方法,其中,所述基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征,包括:
基于所述第i个特征处理层的特征处理模块利用注意力机制对所述第i个健值特征和所述第i个查询特征进行处理,得到第i个注意力矩阵;
基于所述第i个特征处理层的特征处理模块对所述第i个值特征和所述第i个注意力矩阵进行聚合处理,得到所述第i+1个查询特征。
5.根据权利要求3所述的方法,其中,所述基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征,包括:
基于所述第i个特征处理层的特征处理模块利用第一投影矩阵对所述第i个特征图进行线性投影,得到所述第i个健值特征,以及,基于所述第i个特征处理层的特征处理模块利用第二投影矩阵对所述第i个特征图进行线性投影,得到所述第i个值特征,所述第一投影矩阵和所述第二投影矩阵为不同的矩阵。
6.根据权利要求1所述的方法,其中,所述第一特征向量包括m个维度的特征,所述第二特征向量包括d个维度的特征,所述基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,包括:
确定第一分类矩阵和第二分类矩阵,其中,所述第一分类矩阵为n×m的分类矩阵,所述第二分类矩阵为n×d的分类矩阵;
基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息。
7.根据权利要求1所述的方法,其中,所述基于所述第一分类信息和所述第二分类信息,确定目标分类类别,包括:
对所述第一分类信息和所述第二分类信息进行加权求和,得到目标分类信息,所述目标分类信息包括n个概率值,所述n个概率值与预设的n个分类类别一一对应;
将所述n个概率值中,最大的概率值所对应的分类类别确定为所述目标分类类别。
8.一种图像分类装置,包括:
获取模块,用于获取待分类图像;
特征提取模块,用于对所述待分类图像进行特征提取,得到目标特征信息,其中,所述目标特征信息包括第一特征向量和第二特征向量,所述第一特征向量为基于所述待分类图像的特征图生成的特征向量;所述第二特征向量为基于所述特征图对应的健值特征、所述特征图对应的值特征、以及预先获取的初始查询特征,生成的特征向量;
生成模块,用于基于所述第一特征向量生成第一分类信息,以及,基于所述第二特征向量生成第二分类信息,其中,所述第一分类信息用于表征所述待分类图像的分类类别,所述第二分类信息用于表征所述待分类图像的分类类别;
确定模块,用于基于所述第一分类信息和所述第二分类信息,确定目标分类类别。
9.根据权利要求8所述的装置,其中,所述特征提取模块,具体用于基于图像分类模型对所述待分类图像进行s次迭代特征处理,得到所述目标特征信息,所述图像分类模型包括s个依次连接的特征处理层,一个特征处理层包括一个特征提取模块和一个特征处理模块,所述特征提取模块用于提取所接收到的图像中的特征,以输出所述特征图,所述特征处理模块用于基于所述特征图对应的健值特征、所述特征图对应的值特征和所述初始查询特征,对所述初始查询特征进行更新,所述s个依次连接的特征处理层与所述s次迭代特征处理一一对应,所述s为大于1的整数。
10.根据权利要求9所述的装置,其中,所述特征提取模块,包括:
特征提取子模块,用于将第i个图像输入第i个特征处理层的特征提取模块进行特征提取,得到第i个特征图,其中,所述i为大于0且小于或等于所述s的整数;
第一生成子模块,用于基于所述第i个特征处理层的特征处理模块利用所述第i个特征图,生成第i个健值特征和第i个值特征;
更新子模块,用于基于所述第i个特征处理层的特征处理模块利用所述第i个健值特征、所述第i个值特征和第i个查询特征、对所述第i个查询特征进行更新,得到第i+1个查询特征;
其中,在所述i等于1的情况下,所述第i个图像为所述待分类图像,所述第i个查询特征为所述初始查询特征;
在所述i大于1的情况下,所述第i个图像为第i-1个特征图;
所述第一特征向量为基于第s个特征图生成的特征向量,所述第二特征向量包括所述第s个特征处理层的特征处理模块输出的第s+1个查询特征。
11.根据权利要求10所述的装置,其中,所述更新子模块,包括:
注意力处理单元,用于基于所述第i个特征处理层的特征处理模块利用注意力机制对所述第i个健值特征和所述第i个查询特征进行处理,得到第i个注意力矩阵;
聚合处理单元,用于基于所述第i个特征处理层的特征处理模块对所述第i个值特征和所述第i个注意力矩阵进行聚合处理,得到所述第i+1个查询特征。
12.根据权利要求10所述的装置,其中,所述第一生成子模块,具体用于基于所述第i个特征处理层的特征处理模块利用第一投影矩阵对所述第i个特征图进行线性投影,得到所述第i个健值特征,以及,基于所述第i个特征处理层的特征处理模块利用第二投影矩阵对所述第i个特征图进行线性投影,得到所述第i个值特征,所述第一投影矩阵和所述第二投影矩阵为不同的矩阵。
13.根据权利要求8所述的装置,其中,所述第一特征向量包括m个维度的特征,所述第二特征向量包括d个维度的特征,所述生成模块,包括:
第一确定子模块,用于确定第一分类矩阵和第二分类矩阵,其中,所述第一分类矩阵为n×m的分类矩阵,所述第二分类矩阵为n×d的分类矩阵;
第二生成子模块,用于基于所述第一分类矩阵和所述第一特征向量生成所述第一分类信息,以及,基于所述第二分类矩阵和所述第二特征向量生成所述第二分类信息。
14.根据权利要求8所述的装置,其中,所述确定模块,包括:
计算子模块,用于对所述第一分类信息和所述第二分类信息进行加权求和,得到目标分类信息,所述目标分类信息包括n个概率值,所述n个概率值与预设的n个分类类别一一对应;
第二确定子模块,用于将所述n个概率值中,最大的概率值所对应的分类类别确定为所述目标分类类别。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像分类方法的步骤。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的图像分类方法的步骤。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的图像分类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323632.0A CN116188875B (zh) | 2023-03-29 | 2023-03-29 | 图像分类方法、装置、电子设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323632.0A CN116188875B (zh) | 2023-03-29 | 2023-03-29 | 图像分类方法、装置、电子设备、介质和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116188875A true CN116188875A (zh) | 2023-05-30 |
CN116188875B CN116188875B (zh) | 2024-03-01 |
Family
ID=86446447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310323632.0A Active CN116188875B (zh) | 2023-03-29 | 2023-03-29 | 图像分类方法、装置、电子设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188875B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562741A (zh) * | 2021-02-20 | 2021-03-26 | 金陵科技学院 | 一种基于点积自注意力卷积神经网络的歌声检测方法 |
CN112598024A (zh) * | 2020-12-03 | 2021-04-02 | 天津理工大学 | 一种基于深度多示例学习和自注意力的医学图像分类方法 |
WO2021072885A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技(深圳)有限公司 | 识别文本的方法、装置、设备及存储介质 |
CN114022506A (zh) * | 2021-11-16 | 2022-02-08 | 天津大学 | 一种边缘先验融合多头注意力机制的图像修复方法 |
CN114926693A (zh) * | 2022-06-01 | 2022-08-19 | 北京航空航天大学杭州创新研究院 | 基于加权距离的sar图像小样本识别方法及装置 |
JP2022185144A (ja) * | 2021-10-29 | 2022-12-13 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 対象検出方法、対象検出モデルのレーニング方法および装置 |
-
2023
- 2023-03-29 CN CN202310323632.0A patent/CN116188875B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021072885A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技(深圳)有限公司 | 识别文本的方法、装置、设备及存储介质 |
CN112598024A (zh) * | 2020-12-03 | 2021-04-02 | 天津理工大学 | 一种基于深度多示例学习和自注意力的医学图像分类方法 |
CN112562741A (zh) * | 2021-02-20 | 2021-03-26 | 金陵科技学院 | 一种基于点积自注意力卷积神经网络的歌声检测方法 |
JP2022185144A (ja) * | 2021-10-29 | 2022-12-13 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 対象検出方法、対象検出モデルのレーニング方法および装置 |
CN114022506A (zh) * | 2021-11-16 | 2022-02-08 | 天津大学 | 一种边缘先验融合多头注意力机制的图像修复方法 |
CN114926693A (zh) * | 2022-06-01 | 2022-08-19 | 北京航空航天大学杭州创新研究院 | 基于加权距离的sar图像小样本识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
DELI YU ET AL.: "《Towards Accurate Scene Text Recognition With Semantic Reasoning Networks》", 《2020 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》, 19 June 2020 (2020-06-19), pages 12110 - 19 * |
张惠凡;罗泽;: "基于卷积神经网络的鸟类视频图像检索研究", 科研信息化技术与应用, no. 05, 20 September 2017 (2017-09-20), pages 50 - 57 * |
Also Published As
Publication number | Publication date |
---|---|
CN116188875B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379627B (zh) | 图像增强模型的训练方法和对图像进行增强的方法 | |
CN112784778B (zh) | 生成模型并识别年龄和性别的方法、装置、设备和介质 | |
CN112749300B (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
CN115482395B (zh) | 模型训练方法、图像分类方法、装置、电子设备和介质 | |
CN115147680B (zh) | 目标检测模型的预训练方法、装置以及设备 | |
CN115456167B (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
CN114693934B (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN113902010A (zh) | 分类模型的训练方法和图像分类方法、装置、设备和介质 | |
CN111967297A (zh) | 图像的语义分割方法、装置、电子设备及介质 | |
CN115690443B (zh) | 特征提取模型训练方法、图像分类方法及相关装置 | |
CN114386503A (zh) | 用于训练模型的方法和装置 | |
CN113887615A (zh) | 图像处理方法、装置、设备和介质 | |
CN114092773B (zh) | 信号处理方法、信号处理装置、电子设备及存储介质 | |
CN113792876B (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
CN114494747A (zh) | 模型的训练方法、图像处理方法、装置、电子设备及介质 | |
CN112784102B (zh) | 视频检索方法、装置和电子设备 | |
CN117351299A (zh) | 图像生成及模型训练方法、装置、设备和存储介质 | |
CN114973333B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN113642654B (zh) | 图像特征的融合方法、装置、电子设备和存储介质 | |
CN116188875B (zh) | 图像分类方法、装置、电子设备、介质和产品 | |
CN114419327B (zh) | 图像检测方法和图像检测模型的训练方法、装置 | |
CN112784967B (zh) | 信息处理方法、装置以及电子设备 | |
CN112053362B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
CN113989845A (zh) | 姿态分类方法和姿态分类模型的训练方法、装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |