图像分类方法、装置及计算机可读存储介质与流程

文档序号:11200254
图像分类方法、装置及计算机可读存储介质与流程

本公开涉及图像处理技术领域,尤其涉及一种图像分类方法、装置及计算机可读存储介质。



背景技术:

当计算机接收到一张图像时,通常需要对该图像进行分类,以确定该图像所属的类别,并将该图像所属的类别设置为该图像的标签,以便于使用者查找该图像。如当计算机接收到一张风景图像时,可以确定该图像的类别为风景,也即,将该图像的标签设置为风景。

相关技术中,计算机对图像进行分类主要是通过单标签分类方法来实现,也即,对于预先设置的多个类别,通过CNN(Convolutional Neural Networks,卷积神经网络)模型包括的至少一个卷积层和至少一个池化层确定该图像的特征,通过CNN模型包括的全连接层根据该图像的特征确定该图像分别属于该多个类别中的每个类别的概率,并将概率最大的类别确定为该图像所属的类别,以得到该图像的标签。



技术实现要素:

为克服相关技术中存在的问题,本公开提供一种图像分类方法、装置及计算机可读存储介质,所述技术方案如下:

根据本公开实施例的第一方面,提供一种图像分类方法,所述方法包括:

通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定所述CNN模型包括的最后一个池化层输出的特征;

将确定的特征作为所述目标图像的特征,通过预先训练的RNN(Recurrent Neural Network,循环神经网络)模型对所述目标图像的特征进行处理,得到所述目标图像的多个标签,所述多个标签中的每个标签用于指示所述目标图像中的图像内容所属的类别。

可选地,所述通过预先训练的RNN模型对所述目标图像的特征进行处理,得到所述目标图像的多个标签,包括:

将所述目标图像的特征作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征进行处理,得到第一标签,所述第一标签为所述多个标签中的一个;

将所述第一标签作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征和所述第一标签进行处理,得到第二标签,所述第二标签为所述多个标签中的一个;

确定循环次数,所述循环次数是指所述RNN模型循环对输入的标签和所述目标图像的特征进行处理的次数;

当所述循环次数小于或等于预设次数时,将所述第二标签继续作为所述RNN模型的输入,循环执行上述操作,直至所述循环次数大于所述预设次数时,得到所述多个标签。

可选地,所述通过预先训练的RNN模型对所述目标图像的特征进行处理,得到所述目标图像的多个标签,包括:

将所述目标图像的特征作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征进行处理,得到第一标签,所述第一标签为所述多个标签中的一个;

将所述第一标签作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征和所述第一标签进行处理,得到第二标签,所述第二标签为所述多个标签中的一个;

确定所述目标图像同时属于当前确定得到的所有标签对应的类别的概率;

当所述概率大于或等于预设概率时,将所述第二标签继续作为所述RNN模型的输入,循环执行上述操作,直至所述概率小于所述预设概率时,得到所述多个标签。

可选地,所述通过预先训练的CNN模型对目标图像进行处理之前,还包括:

确定训练样本集,所述训练样本集包括多张图像和预先为每张图像设置的多个标签;

根据所述多张图像,对初始化CNN模型进行训练,得到训练后的CNN模型和所述多张图像中每张图像的特征;

根据所述多张图像中每张图像的特征,对初始化RNN模型进行训练,得到训练后的RNN模型和所述多张图像中每张图像的多个标签;

当通过训练得到的所述多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差大于预设误差时,通过梯度下降法调整所述初始化CNN模型和所述初始化RNN模型,并返回根据所述多张图像,对初始化CNN模型进行训练的步骤,直至通过训练得到的所述多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差小于或等于所述预设误差为止,并将最终训练得到的CNN模型确定为所述预先训练的CNN模型,将最终训练得到的RNN模型确定为所述预先训练的RNN模型。

根据本公开实施例的第二方面,提供一种图像分类装置,所述装置包括:

第一处理模块,用于通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定所述CNN模型包括的最后一个池化层输出的特征;

第二处理模块,用于将确定的特征作为所述目标图像的特征,通过预先训练的RNN模型对所述目标图像的特征进行处理,得到所述目标图像的多个标签,所述多个标签中的每个标签用于指示所述目标图像中的图像内容所属的类别。

可选地,所述第二处理模块包括:

第一处理子模块,用于将所述目标图像的特征作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征进行处理,得到第一标签,所述第一标签为所述多个标签中的一个;

第二处理子模块,用于将所述第一标签作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征和所述第一标签进行处理,得到第二标签,所述第二标签为所述多个标签中的一个;

第一确定子模块,用于确定循环次数,所述循环次数是指所述RNN模型循环对输入的标签和所述目标图像的特征进行处理的次数;

第一循环子模块,用于当所述循环次数小于或等于预设次数时,将所述第二标签继续作为所述RNN模型的输入,循环执行上述操作,直至所述循环次数大于所述预设次数时,得到所述多个标签。

可选地,所述第二处理模块包括:

第一处理子模块,用于将所述目标图像的特征作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征进行处理,得到第一标签,所述第一标签为所述多个标签中的一个;

第二处理子模块,用于将所述第一标签作为所述RNN模型的输入,并通过所述RNN模型对所述目标图像的特征和所述第一标签进行处理,得到第二标签,所述第二标签为所述多个标签中的一个;

第二确定子模块,用于确定所述目标图像同时属于当前确定得到的所有标签对应的类别的概率;

第二循环子模块,用于当所述概率大于或等于预设概率时,将所述第二标签继续作为所述RNN模型的输入,循环执行上述操作,直至所述概率小于所述预设概率时,得到所述多个标签。

可选地,所述装置还包括:

第一确定模块,用于确定训练样本集,所述训练样本集包括多张图像和预先为每张图像设置的多个标签;

第一训练模块,用于根据所述多张图像,对初始化CNN模型进行训练,得到训练后的CNN模型和所述多张图像中每张图像的特征;

第二训练模块,用于根据所述多张图像中每张图像的特征,对初始化RNN模型进行训练,得到训练后的RNN模型和所述多张图像中每张图像的多个标签;

第二确定模块,用于当通过训练得到的所述多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差大于预设误差时,通过梯度下降法调整所述初始化CNN模型和所述初始化RNN模型,并返回根据所述多张图像,对初始化CNN模型进行训练的步骤,直至通过训练得到的所述多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差小于或等于所述预设误差为止,并将最终训练得到的CNN模型确定为所述预先训练的CNN模型,将最终训练得到的RNN模型确定为所述预先训练的RNN模型。

根据本公开实施例的第三方面,提供另一种图像分类装置,所述装置包括:

处理器;

用于存储处理器可执行指令的存储器;

其中,所述处理器被配置为执行上述第一方面所述的图像分类方法。

根据本公开实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述第一方面所述的图像分类方法。

本公开的实施例提供的技术方案可以包括以下有益效果:

在本公开实施例中,通过CNN模型确定目标图像的特征,并通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。

图1A是本公开实施例提供的一种CNN模型的架构示意图。

图1B是本公开实施例提供的一种图像的像素点分布示意图。

图1C是本公开实施例提供的一种池化处理过程示意图。

图1D是本公开实施例提供的一种RNN模型的架构示意图。

图2为本公开实施例提供的一种图像分类方法流程图。

图3为本公开实施例提供的另一种图像分类方法流程图。

图4为本公开实施例提供的另一种图像分类方法流程图。

图5A为本公开实施例提供的一种图像分类装置框图。

图5B为本公开实施例提供的另一种图像分类装置框图。

图6是本公开实施例提供的另一种图像分类装置框图。

图7是本公开实施例提供的另一种图像分类装置框图。

具体实施方式

这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

在对本公开实施例进行详细解释说明之前,先对本公开实施例涉及到的两个神经网络模型进行介绍

(1)CNN模型

CNN模型是指在传统的多层神经网络的基础上发展起来的一种针对图像分类和识别的一种神经网络,相对于传统的多层神经网络,CNN模型中引入了卷积算法和池化算法。其中,卷积算法是指将局部区域内的数据进行加权叠加的一种数学算法,池化算法是指将局部区域内的数据进行采样处理的一种数学算法。

下面将结合CNN模型的架构对CNN模型的功能进行详细说明。

图1A为本公开实施例提供的一种CNN模型101的架构示意图,如图1A所示,该CNN模型101包括输入层1011、卷积层1012和卷积层1014、池化层1013和池化层1015、以及全连接层1016。输入层1011和卷积层1012相连,卷积层1012和池化层1013相连,池化层1013和卷积层1014相连,卷积层1014和池化层1015相连,池化层1015和全连接层1016相连。

其中,输入层1011用于确定输入的图像包括的所有像素点的像素值,并将该图像的所有像素点的像素值传输至卷积层1012。卷积层1012根据接收到的所有像素点的像素值进行第一次卷积算法处理,得到第一层卷积处理后的像素点,并将第一次卷积处理后的像素点传输至池化层1013。池化层1013根据第一次卷积处理后的像素点的像素值进行第一次池化算法处理,得到第一次池化处理后的像素点,并将第一次池化处理后的像素点传输至下一个卷积层1014。

卷积层1014对第一次池化处理后的像素点进行第二次卷积算法处理,得到第二次卷积处理后的像素点,并将第二次卷积处理后的像素点传输至下一个池化层1015。池化层1015对第二次卷积处理后的像素点进行第二次池化算法处理,得到第二次池化处理后的像素点,并将第二次池化处理后的像素点传输至全连接层1016。全连接层1016根据第二次池化处理后的像素点的像素值,确定该图像分别属于预先设置多个类别中的每个类别的概率,以得到该图像的标签。

需要说明的是,第一次卷积算法处理的过程和第二次卷积算法处理的过程基本相同,第一次池化算法处理的过程和第二次池化算法处理的过程基本相同,也即卷积层1012和卷积层1014对接收到的像素点的处理过程基本相同,池化层1013和池化层1015对接收到的像素点的处理过程基本相同。因此,下面以第一次卷积算法处理的过程和第一次池化算法处理的过程为例进行说明。

图1B是本公开实施例提供的一种图像的像素点分布示意图,如图1B所示,当卷积层1012接收到该图像包括的所有像素点时,按照第一预设顺序和第一预设局部区域确定第一个局部区域的像素点,并将第一个局部区域内包括的所有像素点的像素值按照预设权重进行加权叠加,并将得到的像素值确定为第一次卷积处理后的第一个像素点的像素值。

之后,按照该第一预设顺序移动该第一预设局部区域,移动距离为一列或一行像素点,得到第二个局部区域的像素点,并将第二个局部区域内包括的所有像素点的像素值按照预设权重进行加权叠加,并将得到的像素值确定为第一次卷积处理后的第二个像素点的像素值。依次类推,直至最后一个局部区域包括该图像的最后一批像素点,并将最后一个局部区域内包括的所有像素点的像素值按照预设权重进行加权叠加,将得到的像素值确定为第一次卷积处理后的最后一个像素点的像素值。此时,卷积层1012得到第一次卷积处理后的所有像素点的像素值,并将第一次卷积处理后的所有像素点的像素值传输至池化层1013。

其中,第一预设顺序可以为从左至右从上到下的顺序,也可以为从上到下从左至右的顺序。第一预设局部区域可以为5×5个像素点的区域,也可以为6×6个像素点的区域。

另外,预设权重为预先为预设区域内每个像素点设置的权重。例如,对于图1B所示的局部区域,该局部区域内包括的所有像素点的预设权重均为1/16,此时对于第一个局部区域内的像素点,将该第一个局部区域包括的每个像素点的像素值与该预设权重相乘,然后将相乘后的每个像素值相加,得到第一次卷积处理后的第一个像素点的像素值。

如图1C所示,当池化层1013接收到第一次卷积处理后的所有像素点的像素值时,按照第二预设顺序和第二预设局部区域,确定第一个局部区域内的像素点,选取第一个局部区域内包括的所有像素点的像素值中的最大像素值,并将该最大像素值确定为第一次池化处理后的第一个像素点的像素值。

之后,按照该第二预设顺序移动该第二预设局部区域,移动距离为预设个像素点,该预设个像素点的个数和第二预设局部区域的列数或行数相同,得到第二个局部区域的像素点。将第二个局部区域内包括的所有像素点的像素值中的最大像素值确定为第一次池化处理后的第二个像素点的像素值。依此类推,直至最后一个局部区域包括该第一次卷积处理后的所有像素点中的最后一批像素点,并将最后一个局部区域内包括的所有像素点的像素值中的最大像素值确定为第一次池化处理后的最后一个像素点的像素值。此时,池化层1013得到第一次池化处理后的所有像素点的像素值,并将第一次池化处理后的所有像素点的像素值传输至卷积层1014。

其中,第二预设顺序可以为从左至右从上到下的顺序,也可以为从上到下从左至右的顺序。第二预设局部区域可以为2×2个像素点的区域,也可以为3×3个像素点的区域。

例如,第一预设顺序和第二预设顺序均为从左至右从上到下的顺序,第一预设区域为5×5个像素点的区域,第二预设区域为2×2个像素点。若输入层得到的图像为28×28个像素点的图像,此时,卷积层1012得到第一次卷积处理后的像素点为24×24个像素点,池化层1013得到的第一次池化处理后的像素点为12×12个像素点。

另外,需要说明的是,池化层可以将选取的局部区域内的最大像素值确定为池化处理后对应的像素点的像素值,当然可以通过其他方式确定该池化处理后的像素点的像素值。例如,池化层可以将选取的局部区域内的所有像素点的像素值的平均值确定为池化处理后对应的像素点的像素值。

值得注意的是,本公开实施例提供的CNN模型可以包括多个卷积层和多个池化层,本公开实施例在此不做具体限定,在图1A中仅以两个卷积层和两个池化层为例进行说明。

另外需要说明的是,由于像素点的像素值通常用RGB(RED/GREEN/BULE,三原色光模式)三个分量来表示,因此,在对像素点的像素值进行处理的过程中,需分别对RGB三个分量分别进行处理,因此在图1A所示的CNN模型101中,卷积层1012和卷积层1014、以及池化层1013和池化层1015均包括三个模块,以分别对像素点的RGB三个分量进行处理。

(2)RNN模型

由于传统的神经网络没有记忆功能,也即,对于传统的神经网络而言,其输入为独立的没有上下文关联的数据。但是实际应用中,输入通常为一些有明显上下文特征的序列化输入。比如需要预测视频中下一帧的播放内容,此时神经网络的输出必须依赖上一次的输入。也即,要求神经网络应具有记忆功能,而RNN模型即为一种具有记忆功能的神经网络。

图1D为本公开实施例提供的一种RNN模型102的架构示意图,如图1D左侧所示,该RNN模型包括输入层1021、隐藏层1022和输出层1023三层结构,隐藏层1022为环形结构。其中,输入层1021和隐藏层1022相连,隐藏层1022和输出层1023相连。

为了便于说明该RNN模型102的功能,将图1D所示的RNN模型102的结构按照如图1D右侧所示的结构展开。由于RNN模型的输入层接收到的数据为按照一定时间序列排序的数据,也即输入层接收到的数据为序列数据,为了便于说明,将该序列数据标记为x1、x2、…、xn,该序列数据中的各个数据分别对应的时刻为t1、t2、…、tn

如图1D右侧所示,在展开之后的RNN模型中,t1时刻输入层1021接收到的数据为x1,并将该数据x1传输至隐藏层1022,隐藏层1022对该x1进行处理,并将处理后的数据传输至输出层1023,得到t1时刻的输出数据。t2时刻输入层1021接收到的数据为x2,并将该数据x2传输至隐藏层1022,此时隐藏层1022根据t1时刻的输出数据对该x2进行处理,并将处理后的数据传输至输出层1023,得到t2时刻的输出数据。也即,在任意时刻ti,隐藏层1022除了接收到ti时刻输入层1021传输的数据xi,还接收到ti-1时刻的输出数据,并根据ti-1时刻的输出数据对数据xi进行处理,得到ti时刻的输出数据。

下面对本公开实施例的应用场景进行介绍。现实生活中,当用户看到一张图像时,用户可以直接根据眼睛看到的结果确定该图像的类别,如看到一张猫的图像,确定该图像的类别为猫;看到一张狗的图像,确定该图像的类别为狗。但是对于计算机而言,当计算机接收到一张图像时,实际上接收到的是该图像包括的所有的像素点的像素值。因此,计算机需要根据接收到的该图像包括的所有的像素点的像素值确定该图像的类别,也即计算机需要对该图像进行分类。本公开实施例提供的图像分类方法就应用于计算机对该图像进行分类的场景中。为了后续便于说明,将需要进行分类的图像称为目标图像。

由于相关技术中,计算机对图像进行分类主要是通过单标签分类方法来实现。当一个图像中包括至少两种类别的内容时,通过该单标签分类方法只能确定该图像的类别为该至少两种类别中的一种,而不能确定该图像同时属于该至少两种类别,也即上述单标签分类方法无法对包括至少两种类别的内容的图像进行分类。

因此,在本公开实施例中,在通过CNN模型确定目标图像的特征之后,通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

下面将结合附图为本公开实施例提供的图像分类方法进行详细说明。

图2为本公开实施例提供的一种图像分类方法流程图,该方法应用于任何需要对图像进行分类的设备中,该设备可以为终端或服务器。如图2所示,该方法包括以下步骤。

在步骤201中,通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定该CNN模型包括的最后一个池化层输出的特征。

在步骤202中,将确定的特征作为该目标图像的特征,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,该多个标签中的每个标签用于指示该目标图像中的图像内容所属的类别。

在本公开实施例中,通过CNN模型确定目标图像的特征,并通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

可选地,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,包括:

将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个;

将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为多个标签中的一个;

确定循环次数,该循环次数是指该RNN模型循环对输入的标签和该目标图像的特征进行处理的次数;

当该循环次数小于或等于预设次数时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该循环次数大于预设次数时,得到多个标签。

可选地,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,包括:

将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个;

将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为该多个标签中的一个;

确定该目标图像同时属于当前确定得到的所有标签对应的类别的概率;

当该概率大于或等于预设概率时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该概率小于该预设概率时,得到该多个标签。

可选地,通过预先训练的CNN模型对目标图像进行处理之前,还包括:

确定训练样本集,该训练样本集包括多张图像和预先为每张图像设置的多个标签;

根据该多张图像,对初始化CNN模型进行训练,得到训练后的CNN模型和该多张图像中每张图像的特征;

根据该多张图像中每张图像的特征,对初始化RNN模型进行训练,得到训练后的RNN模型和该多张图像中每张图像的多个标签;

当通过训练得到的该多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差大于预设误差时,通过梯度下降法调整该初始化CNN模型和该初始化RNN模型,并返回根据该多张图像,对初始化CNN模型进行训练的步骤,直至通过训练得到的该多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差小于或等于该预设误差为止,并将最终训练得到的CNN模型确定为该预先训练的CNN模型,将最终训练得到的RNN模型确定为该预先训练的RNN模型。

上述所有可选技术方案,均可按照任意结合形成本公开的可选实施例,本公开实施例对此不再一一赘述。

图3为本公开实施例提供的另一种图像分类方法流程图,该方法应用于任何需要对图像进行分类的设备中,该设备可以为终端或服务器。如图3所示,该方法包括以下步骤。

在步骤301中,确定预先训练的CNN模型和预先训练的RNN模型。

由于本公开实施例是通过CNN模型和RNN模型来对目标图像进行分类,因此,在对目标图像进行分类之前,需先对CNN模型和RNN模型进行训练,也即,确定预先训练的CNN模型和预先训练的RNN模型。

其中,步骤301的实现过程可以为:确定训练样本集,该训练样本集包括多张图像和预先为每张图像设置的多个标签。根据该多张图像,对初始化CNN模型进行训练,得到训练后的CNN模型和该多张图像中每张图像的特征。根据该多张图像中每张图像的特征,对初始化RNN模型进行训练,得到训练后的RNN模型和该多张图像中每张图像的多个标签。

当通过训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差大于预设误差时,通过梯度下降法调整该初始化CNN模型和该初始化RNN模型,并返回根据该多张图像,对初始化CNN模型进行训练的步骤,直至通过训练得到的该多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差小于或等于该预设误差为止,并将最终训练得到的CNN模型确定为该预先训练的CNN模型,将最终训练得到的RNN模型确定为该预先训练的RNN模型。

也即,在第一次对初始化CNN模型和初始化RNN模型训练之后,根据训练得到的该多张图像中的每张图像的多个标签和预先为对应图像设置的多个标签,判断是否需要继续对初始化CNN模型和初始化RNN继续进行训练。若确定需要继续对初始化CNN模型和初始化RNN继续进行训练,则按照上述方法对初始化CNN模型和初始化RNN进行调整,得到第一次调整后的CNN模型和RNN模型,并按照上述训练初始化CNN模型和初始化RNN模型的过程,训练第一次调整后的CNN模型和第一次调整后的RNN模型,得到此次训练得到的该多张图像中的每张图像的多个标签,返回执行根据训练得到的该多张图像中的每张图像的多个标签和预先为对应图像设置的多个标签,判断是否需要继续对初始化CNN模型和初始化RNN继续进行训练的操作,循环执行以上过程。直至判断出不需要对调整后的CNN模型和调整后的RNN继续进行训练。

其中,训练样本集为预先确定的一个图像集合,该图像集合包括多张图像和预先为每张图像设置的多个标签。为每张图像设置多个标签可以通过管理人员添加的方式来实现,也即当接收到管理人员通过预设操作发送的标签添加指令时,将该标签添加指令中携带的多个标签设置为该每张图像的多个标签。

例如,当训练样本集包括1000张图像,管理人员可以预先为该1000张图像中的每张图像添加5个标签,也即该训练样本集包括1000张图像和预先为每张图像设置的5个标签。

另外,通过梯度下降法调整该初始化CNN模型和该初始化RNN模型,也即,根据训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差,确定梯度向量,该梯度向量为训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差下降的方向向量。根据该梯度向量,对初始化CNN模型和RNN模型进行调整。

由于梯度向量为训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差下降的方向向量,因此当通过调整之后的CNN模型和调整之后的RNN模型重新对训练样本集进行训练时,相对于上一次训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差,此次训练得到的多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差将会下降。

在步骤302中,通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定该CNN模型包括的最后一个池化层输出的特征。

以图1A所示的CNN模型为例对步骤302进行详细说明。也即,该预先训练的CNN模型包括两对卷积—池化层,每对卷积—池化层包括一个卷积层和一个池化层。

如图1A所示,该预先训练的CNN模型包括的输入层1011将目标图像包括的所有像素点的像素值传输至CNN模型包括的第一对卷积—池化层。第一对卷积—池化层根据给目标图像包括的所有像素点的像素值对该目标图像进行处理,并将处理后的像素点传输至下一对卷积—池化层包括的卷积层,由下一对卷积—池化层对处理后的像素点继续进行处理,直至第二对卷积—池化层输出该目标图像的特征。

其中,第一对卷积—池化层包括的第一卷积层1012对目标图像包括的所有像素点进行第一次卷积算法处理,得到第一次卷积处理后的像素点,并将第一次卷积处理后的像素点输入到第一对卷积—池化层包括的第一池化层1013。第一池化层1013对第一次卷积处理后的像素点进行第一次池化算法处理,得到第一次池化处理后的像素点,并将第一次池化处理后的像素点传输至第二对卷积—池化层,由第二对卷积—池化层按照上述同样的方法进行第二次卷积算法处理和第二次池化算法处理。。

其中,第一次卷积算法处理和第二次卷积算法处理,以及第一次池化算法处理和第二次池化算法处理的详细过程可以参考图1A所示的CNN模型的卷积算法处理过程和池化算法处理过程,在此不再详细阐述。

需要说明的是,与图1A所示的CNN模型对图像进行分类的过程相比,本公开实施例提供的预先训练的CNN模型在确定出该CNN模型包括的最后一个池化层输出的特征时,并没有将该最后一个池化层输出的特征传输至全连接层,而是将该最后一个池化层输出的特征传输至预先训练的RNN模型。

也即,在确定出该CNN模型包括的最后一个池化层输出的特征时,将确定的特征作为该目标图像的特征,并通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,该多个标签中的每个标签用于指示该目标图像中的图像内容所属的类别。其中,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签可以通过下述步骤303至步骤306来实现。

在步骤303中,将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个。

由步骤301可知,该预先训练的RNN模型是根据训练样本集中的多张图像和预先为每张图像设置的多个标签确定的,因此,当将该目标图像的特征作为该RNN模型的输入时,该RNN模型可以输出一个标签,也即得到该多个标签中的第一标签。

以图1D所示的RNN模型为例进行说明,当t1时刻该RNN模型输入层接收到目标图像的特征时,输入层将该目标图像的特征传输至隐藏层,由隐藏层对该目标图像的特征进行处理,得到第一标签。也即第一标签为t1时刻的输出数据,隐藏层将该第一标签传输至输出层,由输出层输出该第一标签。

在步骤304中,将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为多个标签中的一个。

如图1D所示,由于t2时刻该RNN模型的输入层并没有接收到下一个数据,此时隐藏层继续将t1时刻该RNN模型输入层接收到目标图像的特征确定为t2时刻的输入数据x2,并根据t1时刻的输出数据第一标签,对该目标图像的特征继续进行处理,得到第二标签。

也即,在图1D所示的任一时刻ti,该RNN模型的隐藏层直接将t1时刻该RNN模型输入层接收到目标图像的特征确定为ti时刻的输入数据xi,并根据上一时刻得到的第i-1个标签,对该目标对象的特征继续进行处理,以得到第i个标签。

在步骤305中,确定循环次数,该循环次数是指该RNN模型循环对输入的标签和该目标图像的特征进行处理的次数。

在图1D所示的RNN模型中,由于该RNN模型为循环的神经网络模型,因此,实际应用中为了避免该RNN模型无限循环下去,通常需要为该RNN模型设置循环终止条件。

在一种可能的实现方式中,可以通过循环次数为该RNN模型设置终止条件。也即,在RNN模型进行如图1D所示的循环过程中,在得到一个标签之后,确定循环次数。并根据该循环次数,判断是否需要继续进行循环操作。其中,判断是否需要继续进行循环操作的过程可以通过下述步骤306来实现。

在步骤306中,当该循环次数小于或等于预设次数时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该循环次数大于预设次数时,得到多个标签。

其中,在得到第二个标签之后,确定循环次数为1;在得到第三个标签之后,确定循环次数为2;依次类推,在得到第i个标签之后,确定循环次数为i-1。

预设次数为预先设置的次数,该预设次数可以为5、10或15等。例如,预设次数为10,在得到第i个标签之后,确定循环次数为i-1,并判断该循环次数i-1是否大于5,当i-1小于或等于大于5时,继续上述循环操作,直至判断出i-1大于5,此时,得到该目标图像的多个标签。

在本公开实施例中,通过CNN模型确定目标图像的特征,并通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

可选地,在RNN模型进行如图1D所示的循环过程中,除了可以通过图3实施例中的步骤305和步骤306为该RNN模型设置循环终止条件,也可以通过其他方式为该RNN模型设置循环终止条件,下述实施例将提供另一种设置循环终止条件的实现方式。

图4为本公开实施例提供的另一种图像分类方法流程图,该方法应用于任何需要对图像进行分类的设备中,该设备可以为终端或服务器。如图4所示,该方法包括以下步骤。

在步骤401中,确定预先训练的CNN模型和预先训练的RNN模型。

其中,步骤401的实现过程可以参考图3实施例中的步骤301的实现过程,在此不在详细阐述。

在步骤402中,通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定该CNN模型包括的最后一个池化层输出的特征。

其中,步骤402的实现过程可以参考图3实施例中的步骤302的实现过程,在此不在详细阐述。

此时,将确定的特征作为该目标图像的特征,并通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,该多个标签中的每个标签用于指示该目标图像中的图像内容所属的类别。其中,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签可以通过下述步骤403至步骤406来实现。

在步骤403中,将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个。

其中,步骤403的实现过程可以参考图3实施例中的步骤303的实现过程,在此不在详细阐述。

在步骤404中,将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为该多个标签中的一个。

其中,步骤404的实现过程可以参考图3实施例中的步骤304的实现过程,在此不在详细阐述。

在步骤405中,确定该目标图像同时属于当前确定得到的所有标签对应的类别的概率。

本公开实施例提供了另一种为该RNN模型设置循环终止条件的实现方式。也即,在RNN模型进行如图1D所示的循环过程中,在得到一个标签之后,确定该目标图像同时属于当前确定得到的所有标签对应的类别的概率。并根据该概率,判断是否需要继续进行循环操作。其中,判断是否需要继续进行循环操作的过程可以通过下述步骤406来实现。

由于在现有的RNN模型中,RNN模型在任一时刻ti,确定出ti时刻的输出数据之后,均将确定当前得到的所有的输出数据同时出现的概率。因此,在本明实施例中,在每得到一个标签之后,RNN模型均会确定出当前得到的所有标签同时出现的概率,也即确定出该目标图像同时属于当前确定得到的所有标签对应的类别的概率。

由于随着循环次数的增加,当前得到的所有的输出数据同时出现的概率将越来越小,也即随着循环次数的增加,该目标图像同时属于当前确定得到的所有标签对应的类别的概率也将越来越小。因此,可以将设置预设概率,并将该预设概率确定为循环终止条件。也即,在RNN模型循环的过程中,在得到一个标签之后,确定该概率。并根据该概率,判断是否需要继续进行循环操作。其中,判断是否需要继续进行循环操作的过程可以通过下述步骤306来实现。

在步骤406中,当该概率大于或等于预设概率时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该概率小于该预设概率时,得到该多个标签。

其中,预设概率为预先设置的概率,该预设概率可以为0.01、0.02或0.03等。例如,预设概率为0.01,在得到第i个标签之后,确定该目标图像同时属于当前确定得到的所有标签对应的类别的概率,并判断该概率是否大于或等于0.01,当该概率大于或等于大于0.01时,继续上述循环操作,直至判断出该概率小于0.01,此时,得到该目标图像的多个标签。

需要说明的是,在本公开实施例中,可以通过图3实施例中的步骤305和步骤306为该RNN模型设置循环终止条件,也可以通过图4实施例中的步骤405和步骤406为该RNN模型设置循环终止条件。当然,实际应用中,也可以同时通过图3实施例中的步骤305和步骤306,以及图4实施例中的步骤405和步骤406为该RNN模型设置循环终止条件,也即,为该RNN模型设置有两个循环终止条件。此时,在RNN模型进行如图1D所示的循环过程中,在得到一个标签之后,同时确定循环次数和上述概率,当循环次数和上述概率中的一个满足对应的循环终止条件时,即可终止RNN模型的循环过程。

在本公开实施例中,通过CNN模型确定目标图像的特征,并通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

本公开实施例除了提供上述图像分类方法之外,还提供了一种图像分类装置,下面将对本公开实施例提供的图像分类装置进行详细说明。

图5A为本公开实施例提供的一种图像分类装置500的框图,如图5A所示,该图像分类装置500包括第一处理模块501和第二处理模块502。

第一处理模块501,用于通过预先训练的CNN模型对需要进行分类的目标图像进行处理,以确定该CNN模型包括的最后一个池化层输出的特征;

第二处理模块502,用于将确定的特征作为该目标图像的特征,通过预先训练的RNN模型对该目标图像的特征进行处理,得到该目标图像的多个标签,该多个标签中的每个标签用于指示该目标图像中的图像内容所属的类别。

可选地,该第二处理模块包括:

第一处理子模块,用于将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个;

第二处理子模块,用于将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为该多个标签中的一个;

第一确定子模块,用于确定循环次数,该循环次数是指该RNN模型循环对输入的标签和该目标图像的特征进行处理的次数;

第一循环子模块,用于当该循环次数小于或等于预设次数时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该循环次数大于预设次数时,得到该多个标签。

可选地,该第二处理模块502包括:

第一处理子模块,用于将该目标图像的特征作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征进行处理,得到第一标签,第一标签为该多个标签中的一个;

第二处理子模块,用于将第一标签作为该RNN模型的输入,并通过该RNN模型对该目标图像的特征和第一标签进行处理,得到第二标签,第二标签为该多个标签中的一个;

第二确定子模块,用于确定该目标图像同时属于当前确定得到的所有标签对应的类别的概率;

第二循环子模块,用于当该概率大于或等于预设概率时,将第二标签继续作为该RNN模型的输入,循环执行上述操作,直至该概率小于预设概率时,得到该多个标签。

可选地,参见图5B,该装置500还包括第一确定模块503、第一训练模块504、第二训练模块505和第二确定模块506:

第一确定模块503,用于确定训练样本集,该训练样本集包括多张图像和预先为每张图像设置的多个标签;

第一训练模块504,用于根据该多张图像,对初始化CNN模型进行训练,得到训练后的CNN模型和该多张图像中每张图像的特征;

第二训练模块505,用于根据该多张图像中每张图像的特征,对初始化RNN模型进行训练,得到训练后的RNN模型和该多张图像中每张图像的多个标签;

第二确定模块506,用于当通过训练得到的该多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差大于预设误差时,通过梯度下降法调整该初始化CNN模型和该初始化RNN模型,并返回根据该多张图像,对初始化CNN模型进行训练的步骤,直至通过训练得到的该多张图像中每张图像的多个标签与预先为对应图像设置的多个标签之间的误差小于或等于该预设误差为止,并将最终训练得到的CNN模型确定为该预先训练的CNN模型,将最终训练得到的RNN模型确定为该预先训练的RNN模型。

在本公开实施例中,通过CNN模型确定目标图像的特征,并通过RNN模型对目标图像的特征进行处理,以得到目标图像的多个标签。由于目标图像的特征由CNN模型包括的最后一个池化层输出,也即,CNN模型在得到目标图像的特征之后,并没有根据该目标图像的特征确定该目标图像属于的各个类别的概率,而是直接将该目标图像的特征通过RNN模型进行处理,以得到该目标图像的多个标签,从而实现对对包括至少两种类别的内容的图像进行分类。

关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。

图6是本公开实施例提供的另一种图像分类装置600的框图。例如,装置600可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。

参照图6,装置600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。

处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理组件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。

电源组件606为装置600的各种组件提供电源。电源组件606可以包括电源管理系统,一个或多个电源,及其他与为装置600生成、管理和分配电源相关联的组件。

多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当装置600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到装置600的打开/关闭状态,组件的相对定位,例如所述组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置600接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。

通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。

在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述图2、图3和图4所示实施例提供的图像分类方法。

在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行上述图2、图3和图4所示实施例提供的图像分类方法。

图7是本公开实施例提供的另一种图像分类装置700的框图。例如,装置700可以被提供为一服务器。参照图7,装置700包括处理器722,其进一步包括一个或多个处理器,以及由存储器732所代表的存储器资源,用于存储可由处理器722的执行的指令,例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器722被配置为执行指令,以执行上述图2、图3和图4所示实施例提供的图像分类方法。

装置700还可以包括一个电源组件726被配置为执行装置700的电源管理,一个有线或无线网络接口750被配置为将装置700连接到网络,和一个输入输出(I/O)接口758。装置700可以操作基于存储在存储器732的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。

在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器732,上述指令可由装置700的处理器722执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述图2、图3和图4所示实施例提供的图像分类方法。

本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。

应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1