申请/专利权人：阿里巴巴达摩院(杭州)科技有限公司

申请日：2023-07-21

公开（公告）日：2024-04-02

公开（公告）号：CN117036788B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/44;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本申请实施例公开了一种图像分类方法、训练图像分类模型的方法及装置。主要技术方案包括：获取待分类的图像；对待分类的图像进行特征提取，得到图像中各Token元素的初始特征表示；对各Token的初始特征表示进行第一自注意力处理，得到各Token的第一特征表示作为第一全局特征；利用第一自注意力处理过程中得到的注意力矩阵，得到各Token的第一互注意力权重，选择第一互注意力权重满足第一预设要求的Token的第一特征表示作为第一局部特征；利用第一全局特征和第一局部特征进行第一融合处理，得到第一融合特征表示；利用第一融合特征表示，预测待分类的图像所包含第一对象的类别。通过本申请能够提高图像分类的准确性。

主权项：1.一种图像分类方法，其特征在于，所述方法包括：获取待分类的图像；对所述待分类的图像进行特征提取，得到所述图像中各Token的初始特征表示，所述各Token包括图块Token和起始符Token，所述图块Token为对所述待分类的图像进行切分得到的图块，所述起始符Token为由切分得到的图块构成的图块序列的起始符；对所述各Token的初始特征表示进行第一自注意力处理，得到各Token的第一特征表示作为第一全局特征；从所述第一自注意力处理过程中得到的注意力矩阵中，获取起始符Token对各图块Token的注意力权重向量以及各图块Token对起始符Token的注意力权重向量；利用所述起始符Token对各图块Token的注意力权重向量和所述各图块Token对起始符Token的注意力权重向量之间的点积，确定各图块Token的第一互注意力权重，其中，Token的第一互注意力权重体现该Token对于所述待分类的图像所包含第一对象分类的重要程度，选择第一互注意力权重满足第一预设要求的Token的第一特征表示作为第一局部特征；利用所述第一全局特征和所述第一局部特征进行第一融合处理，得到第一融合特征表示；利用所述第一融合特征表示，预测所述待分类的图像所包含第一对象的类别。

全文数据：

权利要求：

百度查询： 阿里巴巴达摩院(杭州)科技有限公司 图像分类方法、训练图像分类模型的方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD