CN108921190A - 一种图像分类方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种图像分类方法、装置及电子设备。所述方法包括：采用包含深度神经网络和混淆矩阵的图像分类模型，实现图像分类，该图像分类模型可以利用通用的图像数据训练得到。

Description

一种图像分类方法、装置及电子设备

技术领域

本申请涉及计算机软件技术领域，尤其涉及一种图像分类方法、装置及电子设备。

背景技术

目前，图像分类是计算机视觉的核心，实际应用广泛。图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负，所以许多研究者开始使用CNN等深度学习模型进行图像分类。

针对当下的图像分类任务，主要的深度学习方法就是确定一种输入图片尺寸然后在数据集上进行训练，这样虽然能够得到一个分类模型，但是这个分类模型对那些易于混淆的类别的识别效果并不好，并且识别出来的结果有可能和原本的类别差别较大。由于在类别数较大的情况下会有很多相似度高的类别，在训练过程中提取这些类的特征时会比较困难，从而影响到最后的分类效果，无法得到令人满意的结果。

发明内容

本说明书实施例提供了一种图像分类方法、装置及电子设备，用以解决一般图像分类方法分类效果不理想的问题，采用本申请实施例，可以明显提高图像分类的准确度。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供一种图像分类方法。包括：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

本说明书实施例提供的一种图像分类装置。包括：输入模块、图像分类模型；

图像数据通过所述输入模块被输入到利用通用图像数据训练的图像分类模型；所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

本说明书实施例提供的一种电子设备，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：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

(1)把所述混淆矩阵加入传统卷积神经网络图像分类中，有针对地进行训练、改进，以达到较高的图像分类准确率。

(2)适用性广，可以应用很多分类的场景中。

(3)不需要人工筛选，在代码中实现相应算法即可快速通过所述混淆矩阵对相似的类别进行合并。

(4)容易调整，只需更改相应的阈值即可控制最后合并的类别数。

(5)训练方法简单，可以利用现有的框架，方便调整网络结构和模型融合。

(6)相对正常的训练方式，有较好的性能提升。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

在附图中：

图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图；

图2为本说明书实施例提供的一种图像分类方法的流程示意图；

图3为本说明书实施例提供的图2中的图像分类模型的一种框架示意图；

图4为本说明书实施例提供的一种实际应用场景下，图3中的图像分类模型深度学习训练流程图；

图5为本说明书实施例提供的一种实际应用场景下，图3中的深度神经网络的结构SE-ResNeXt-50结构图；

图6为本说明书实施例提供的一种实际应用场景下，图3中混淆矩阵结构示意图；

图7本说明书实施例提供的一种实际应用场景下，图3中混淆矩阵迭代流程图；

图8为本说明书实施例提供的对应于图2的一种图像分类装置的结构示意图；

图9为本说明书实施例提供的一种实际应用场景下，加所述混淆矩阵与不加所述混淆矩阵准确率对比图。

具体实施方式

本说明书实施例提供一种图像分类方法、装置以及电子设备。

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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。基于本说明书实施例，本领域普通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，都应当属于本申请保护的范围。

在本说明书实施例中的图像分类方法可以应用到其他很多分类场景中，只需要获得对应场景的图片数据集，用本方法进行训练获得分类模型，即可对相应场景的图像进行分类。

图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图。该整体架构中，主要涉及两部分：图像数据、图像模型，其中，图像分类模型中包含有深度神经网络和混淆矩阵。通过将图像数据输入图像分类模型进行处理，可以实现图像分类。

在本说明书实施例中，本说明书使用的通用的图像数据，是指和待分类图像具有相同大小及格式的图片集，图片集中的图像数据可以来源于ImageNet数据集或者是网络收集的样图，也可以是设备终端采集的图像数据。

具体的，在本说明书实施例中，通用图像数据总共包含1344类物体，几乎涵盖了日常生活中所能看到各种物体，包括名胜古迹、各地美食、常见植被、常见动物等等，涉及的范围很广。在数据搜集的过程中，尽可能地使用那些能够凸显类别特征的图片，扩大训练样本的类间距离，能够在初步训练得到的模型得到更好的表达能力。

具体的，在本说明书实施例中，所述通用图像数据被分为训练集和测试集，取训练集和测试集比例大约为10:1，分布相同。

具体的，Imagenet数据集有1400多万幅图片，涵盖2万多个类别；其中有超过百万的图片有明确的类别标注和图像中物体位置的标注，Imagenet数据集是目前深度学习图像领域应用得非常多的一个领域，关于图像分类、定位、检测等研究工作大多基于此数据集展开。Imagenet数据集文档详细，有专门的团队维护，使用非常方便，在计算机视觉领域研究论文中应用非常广，几乎成为了目前深度学习图像领域算法性能检验的“标准”数据集。

在本说明书实施例中，深度神经网络采用SE-ResNeXt-50，并且采用Squeeze andExcitation网络结构。

在本说明书实施例中，深度学习训练框架为caffe，该框架十分成熟，有足够多的资源来获取预训练的模型，这样能很大程度上加快训练的速度。

具体的，Caffe(Convolutional Architecture for Fast Feature Embedding)平台是2014年由加州大学伯克利分校的Yangqing Jia等人发明的一个计算机卷积神经网络(CNN)相关算法的框架，其具有清晰，可读性高，快速的特点。其目的是给全球的多媒体科学家一个简明的深度学习平台，供他们研究深度学习各种算法。

基于以上整体架构，下面对本说明书的方案进行详细说明。

图2为本说明书实施例提供的一种图像方法的流程示意图。从程序角度而言，该流程的执行主体可以是服务器上或者终端上的程序，比如，模型训练程序、图像分类程序、图像分类应用等。从设备角度而言，该流程可能的执行主体包括但不限于可作为服务器或者终端的以下至少一种设备：手机、平板电脑、智能可穿戴设备、车机、个人计算机、中型计算机、计算机集群等。

图2中的流程可以包括以下步骤：

S200图像数据被输入到利用通用图像数据训练的图像分类模型。

在本说明书实施例中，待分类图像数据可以来源于ImageNet数据集或者是网络收集的样图，也可以是设备终端采集的图像数据。所述图像数据应该与所述通用图像数据具有相同的大小和格式。

S201所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

本说明书实施例中，所述图像分类模型分类结果如果指向合并类，则取合并类中第二大概率值对应图像分类为最终分类结果，否则，取最大概率值对应图片分类为最终分类结果。

为了便于理解，本说明书实施例提供了图2中的图像识别模型的一种框架示意图，如图3所示。

在图3的框架中，依次包含深度神经网络、混淆矩阵和深度神经网络这三部分。在训练集上执行第一次卷积神经网络算法可以得到一个初始图片分类模型；将初始分类模型结果输出为一个混淆矩阵，并迭代合并相似类至满足阈值设置，最后相应更改训练集标签再一次执行卷积神经网络算法可获得所述图像分类模型。

如图4所示为所述图像分类模型深度学习训练流程图，包括以下步骤：

S400建立带标签的图片集，包括训练集和测试集；

S401在训练集上执行卷积神经网络算法得到一个初始图片分类模型；

S402将该分类模型在测试集上预测得出的结果与标签对比验证，将验证结果输出为一个所述混淆矩阵；

S403通过设定阈值来对所述混淆矩阵进行迭代合并相似类，并相应更新训练集标签；

S404在更新后的训练集上再执行卷积神经网络算法得到所述图像分类模型。

本说明书实施例中，S400建立带标签的图片集，包括训练集和测试集，是将通用图像数据转换为caffe平台的深度学习训练数据。

本说明书实施例中，S401在训练集上执行卷积神经网络算法得到一个初始图片分类模型，在caffe平台上设置初始学习率为0.1，之后根据损失值loss的变化对学习率进行调整，当loss值一直在一个值上下浮动时，将学习率降至原来的1/10。经过反复的调整训练后得到一个1344类分类模型。

本说明书实施例中，对S404在更新后的训练集上再执行卷积神经网络算法得到一个最终的分类模型，合并类误差值是通过合并类权重与被合并类向量通过归一化函数后获得的向量的积和获得的。被合并类向量元素对应各被合并类，值均为被合并类别数的倒数，与合并类权重维数不足元素由0补齐。

具体的，假设合并类A_i＝(r,p,q,...)权重向量为：L∈R^1×N，在合并类中共n个被合并类别，则可以生成一个被合并类向量，其元素值分别为其余值为0，将该向量通过softmax函数输出一个1*N的被合并类向量M，故该合并类损失值loss值为：loss＝sum(M*L)。

具体的，softmax函数是将线性预测值转化为类别概率的函数，具体表达式为：

图5为本说明书实施例提供的一种实际应用场景下，图3中的深度神经网络的结构示意图。

本实施例具体采用SE-ResNeXt-50，一种平行堆叠相同拓扑结构的blocks代替原来ResNet的三层卷积的block，在不明显增加参数量级的情况下提升了模型的准确率，同时由于拓扑结构相同，超参数也减少了，便于模型移植。该网络是在resnet50的基础上进行改进，一方面将原来的卷积等分成多个小卷积从而达到控制卷积核个数，减少参数的效果，并且采用了Squeeze and Excitation网络结构，该结构能够突显出每个通道的有用的信息，弱化无用信息，使提取的特征能更好的识别出该类别。

图6为本说明书实施例提供的一种实际应用场景下，图3中混淆矩阵结构示意图。

本说明书实施例中，所述混淆矩阵S，表达式为：是混淆矩阵，C_ij表示将第i类识别成第j类的概率，该概率值通过一定数量的标注图片来获得(概率值＝第i类识别成第j类的图片数量/第i类图片的总数)，当i＝j时C_ij＝0，N表示类别数。

具体的，在机器学习领域，所述混淆矩阵(confusion matrix)，又称为可能性表格或是错误矩阵。它是一种特定的矩阵用来呈现算法性能的可视化效果，通常是监督学习(非监督学习，通常用匹配矩阵：matching matrix)。其每一列代表预测值，每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆(也就是一个class被预测成另一个class)。

图7本说明书实施例提供的一种实际应用场景下，图3中混淆矩阵迭代流程图。

S403通过设定阈值来对所述混淆矩阵进行迭代合并相似类，并相应更新训练集标签。

本说明书实施例中，具体的迭代过程包括：a、初始化A←{A₁,A₂,...,A_N}A_i表示第i类，当最大的相似度大于设置的阈值τ时，选出所述混淆矩阵中最大值对应的位置；b、记录这两类，在原有类别中去掉这两类，然后添加一个新的类别包含这两个类别A_i＝{(A_i,A_j)},A_j＝{(A_i,A_j)}；c、更新所述混淆矩阵，删除第i、j行，i、j列，将这两类看作一类重新计算概率值，然后作为新的行和列添加到原所述混淆矩阵中，一步一步对相似度最高的类进行合并，直到最大的相似度小于设置的阈值停止。

具体的，阈值τ是从{0.15,0.20,0.25,0.30}中选择并进行测试，从测试结果上看在取0.25时效果最好。

上面为本说明书实施例提供的一种图像分类方法，基于同样的说明书思路，本说明书实施例还提供了对应的装置，如图8所示。

图8为本说明书实施例提供的对应于图2的一种图像分类装置的结构示意图，虚线方框表示可选的模块，该装置可以位于图2中流程的执行主体上，包括：输入模块801、图像分类模型802：

图像数据被所述输入模块801输入到利用通用的图像数据训练的所述图像分类模型802，所述图像分类模型802输出最大概率值对应的图像分类结果，其中，所述图像分类模型包含深度神经网络和混淆矩阵。

可选地，所述装置包括训练模块803：

所述训练模块803利用所述通用的图像数据训练所述图像分类模型。

可选地，所述训练模块803在训练中，在所述通用图像数据上执行卷积神经网络算法获得结果与所述通用图像数据类别标签对比验证，将验证结果输出的概率值映射为一个混淆矩阵。

可选地，所述训练模块803在训练中，还包括：

所述混淆矩阵表达式为：其中C∈R^N×N是混淆矩阵，C_ij表示将第i类识别成第j类的概率。

可选地，所述训练模块803在训练中，通过设定阈值来对所述混淆矩阵进行迭代合并相似类，并相应合并所述通用图像数据类别标签。

可选地，所述训练模块803在训练中，对所述混淆矩阵进行迭代合并相似类，包括以下步骤：

步骤一、当所述混淆矩阵中最大值大于阈值时，选出所述混淆矩阵中最大值对应的位置，并记录该位置相关的两类。

步骤二、在原有类别中去掉这两类，然后添加一个新的类别包含这两个类别，并更新所述混淆矩阵。

步骤三、更新后的所述混淆矩阵中最大值再与阈值比较，如果小于阈值，结束迭代；否则重复步骤一至步骤三。

可选地，所述训练模块803在训练中，在合并后的所述通用图像数据上再执行卷积神经网络算法得到所述图像分类模型。

可选地，所述训练模块803在训练中，误差值是深度学习训练的关键指标，合并类误差值是通过合并类权重与被合并类向量通过归一化函数后获得的向量的积和获得的。

可选地，所述训练模块803在训练中，还包括：

被合并类向量元素对应各被合并类，值均为被合并类别数的倒数，与合并类权重维数不足元素由0补齐。

可选地，所述图像分类模型802输出最大概率值对应的图像分类结果，具体包括：

分类模型输出的分类结果如果指向合并类，则取合并类第二大概率值对应图像分类为最终分类结果，否则，最大概率值对应图像分类即为最终分类结果。

基于同样的说明书思路，本说明书实施例还提供了对应的一种电子设备，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：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

基于同样的说明书思路，本说明书实施例还提供了对应的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

图9为本说明书实施例提供的一种实际应用场景下，加所述混淆矩阵与不加所述混淆矩阵，图像识别准确率对比图。

在本说明书实施例中，通过对比本说明书的分类模型和普通训练过程得到的分类模型在测试集上获得的对比数据，由于类别数过多，此处只列举出其中10类的结果，通过本图可以清晰地看出这些类别在对比试验中，准确率均有提升，直观地说明了本申请的有效性。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的，因此，装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable LogicDevice,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(HardwareDescription Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware DescriptionLanguage)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等，目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器

以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。

计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、

数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本说明书的实施例而已，并不用于限制本申请。对于本领域技术人说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (20)

1.一种图像分类方法。其特征在于，包括：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

2.根据权利要求1所述的方法，利用所述通用图像数据训练所述图像分类模型包括：

在所述通用图像数据上执行卷积神经网络算法获得结果与所述通用图像数据类别标签对比验证，将验证结果输出的概率值映射为一个混淆矩阵。

3.根据权利要求2所述的方法，还包括：

所述混淆矩阵表达式为：其中C∈R^N×N是混淆矩阵，C_ij表示将第i类识别成第j类的概率。

4.根据权利要求2所述的方法，还包括：

通过设定阈值来对所述混淆矩阵进行迭代合并相似类，并相应合并所述通用图像数据类别标签。

5.根据权利要求4所述的方法，所述混淆矩阵进行迭代合并相似类包括以下步骤：

步骤一、当所述混淆矩阵中最大值大于阈值时，选出所述混淆矩阵中最大值对应的位置，并记录该位置相关的两类。

步骤二、在原有类别中去掉这两类，然后添加一个新的类别包含这两个类别，并更新所述混淆矩阵。

步骤三、更新后的所述混淆矩阵中最大值再与阈值比较，如果小于阈值，结束迭代；否则重复步骤一至步骤三。

6.根据权利要求2所述的方法，所述方法还包括：

在合并后的所述通用图像数据上再执行卷积神经网络算法得到所述图像分类模型。

7.根据权利要求6所述的方法，所述方法还包括：

误差值是深度学习训练的关键指标，合并类误差值是通过合并类权重与被合并类向量通过归一化函数后获得的向量的积和获得的。

8.根据权利要求7所述的方法，所述方法还包括：

被合并类向量元素对应各被合并类，值均为被合并类别数的倒数，与合并类权重维数不足元素由0补齐。

9.根据权利要求1所述的方法，所述图像分类模型输出最大概率值对应的图像分类结果包括：

分类模型输出的分类结果如果指向合并类，则取合并类第二大概率值对应图像分类为最终分类结果，否则，最大概率值对应图像分类即为最终分类结果。

10.一种图像分类装置。包括：输入模块、图像分类模型；

图像数据通过所述输入模块被输入到利用通用图像数据训练的图像分类模型；所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。

11.根据权利要求10所述的装置，所述装置还包括训练模块；

所述训练模块利用通用图像数据训练图像分类模型。

12.根据权利要求11所述的训练模块，所述训练模块在训练中，在所述通用图像数据上执行卷积神经网络算法获得结果与所述通用图像数据类别标签对比验证，将验证结果输出的概率值映射为一个混淆矩阵。

13.根据权利要求11所述的训练模块，还包括：

所述混淆矩阵表达式为：其中C∈R^N×N是混淆矩阵，C_ij表示将第i类识别成第j类的概率。

14.根据权利要求11所述的训练模块，所述训练模块在训练中，通过设定阈值来对所述混淆矩阵进行迭代合并相似类，并相应合并所述通用图像数据类别标签。

15.根据权利要求14所述的训练模块，所述训练模块在训练中，包括以下步骤：

步骤一、当所述混淆矩阵中最大值大于阈值时，选出所述混淆矩阵中最大值对应的位置，并记录该位置相关的两类。

步骤二、在原有类别中去掉这两类，然后添加一个新的类别包含这两个类别，并更新所述混淆矩阵。

步骤三、更新后的所述混淆矩阵中最大值再与阈值比较，如果小于阈值，结束迭代；否则重复步骤一至步骤三。

16.根据权利要求11所述的训练模块，所述训练模块在训练中，在合并后的所述通用图像数据上再执行卷积神经网络算法得到所述图像分类模型。

17.根据权利要求16所述的训练模块，所述训练模块在训练中，误差值是深度学习训练的关键指标，合并类误差值是通过合并类权重与被合并类向量通过归一化函数后获得的向量的积和获得的。

18.根据权利要求17所述的的训练模块，还包括：

被合并类向量元素对应各被合并类，值均为被合并类别数的倒数，与合并类权重维数不足元素由0补齐。

19.根据权利要求10所述的装置，所述图像分类模型输出最大概率值对应的图像分类结果，具体包括：

分类模型输出的分类结果如果指向合并类，则取合并类第二大概率值对应图像分类为最终分类结果，否则，最大概率值对应图像分类即为最终分类结果。

20.一种电子设备，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：

图像数据被输入到利用通用图像数据训练的图像分类模型；

所述图像分类模型输出最大概率值对应的图像分类结果，其中所述图像分类模型包括深度神经网络和混淆矩阵。