申请/专利权人：腾讯科技(深圳)有限公司

申请日：2022-01-27

公开（公告）日：2024-04-23

公开（公告）号：CN114418030B

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0455;G06N3/084;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.10.14#实质审查的生效;2022.04.29#公开

摘要：本申请实施例提供了一种图像分类方法、图像分类模型的训练方法及装置，涉及人工智能领域。该方法包括：将待分类图像输入至预先训练的图像分类模型的编码层，进行向量提取，得到特征向量，特征向量包括多个局部向量，每个局部向量对应待分类图像中的一个子图像；利用编码层中的注意力机制层，对局部向量进行筛选，得到剩余局部向量；基于剩余局部向量得到待分类图像的分类结果。本申请实施例在缩减局部向量的过程中首先无需辅助网络，也没有引入更多的参数，由于可以从头训练一个轻量级的图像分类模型，因此能够降低计算量，还适用于不同分辨率的图像，增强了方案的适应性。

主权项：1.一种图像分类方法，其特征在于，包括：将待分类图像输入至预先训练的图像分类模型的编码层，进行向量提取，得到特征向量，所述特征向量包括与所述待分类图像对应的全局向量以及多个局部向量，每个局部向量对应所述待分类图像中的一个子图像；利用所述编码层中的注意力机制层，对所述局部向量进行筛选，得到剩余局部向量；基于所述剩余局部向量得到所述待分类图像的分类结果；其中，所述利用所述编码层中的注意力机制层，对所述局部向量进行筛选，得到剩余局部向量，包括：获取所述注意力机制层生成的注意力地图；根据所述注意力地图，确定所述特征向量中的全局向量对各局部向量的注意力；根据注意力从大到小的顺序保留所述特征向量中预设比例的局部向量。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 图像分类方法、图像分类模型的训练方法及装置

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