本申請涉及一種圖像分類方法、系統和應用該系統的移動終端。本系統包括：圖像預處理層對圖像進行處理；第一標準空間卷積層接收并根據處理后的圖像進行特征提取，輸出第一特征圖像；深度可分離卷積層接收并根據第一特征圖像再次進行特征提取，輸出第二特征圖像；可變形卷積層接收并根據第二特征圖像的像素點增加隨機形變量，輸出第三特征圖像；第二標準空間卷積層接收第三特征圖像并進行特征提取，輸出特征向量；全連接層接收并將特征向量擬合到相應的類別上，并輸出各個特征向量的表征；圖像分類層接收表征并利用Softmax計算各類別的置信度，置信度最高的類別標簽為圖像所屬類別。實現了在移動終端高速高精度的離線圖像分類。

技術領域

本申請涉及計算機視覺技術領域，特別是涉及一種圖像分類方法、系統和應用該系統的移動終端。

背景技術

隨著計算機視覺的蓬勃發展，圖像分類算法的研究日趨成熟，大量基于深度學習的圖像分類算法出現，對于不同的算法模型，其應用場景是有所區別的，但是選擇的指標主要集中在對準確率和時間花費方面。

同時，隨著智能手機的發展，將圖像分類算法模型應用于智能移動終端已經成為了一個趨勢，為了解決在移動終端使用智能軟件過程中受到網絡環境的約束情況，大量研究正在嘗試將模型移植到移動端進行離線運行。

現有技術中，高精度的圖像分類算法大多不夠輕量，在某些特別的場景，如：手機端離線運行的時間花費長；同時現存的輕量型模型，參數量小，運行速度可以滿足要求，但在準確率等評估指標上還難以滿足工業應用的需求。

針對上述技術問題，還沒有提出一種解決方案。

發明內容

本申請實施例提供了一種圖像分類方法、系統及應用該系統的移動終端，本發明結合現有高精度以及輕量型圖像分類模型的特點，進行一系列的改進，構造出一個能夠于移動終端離線運行，且具有較高分類精度以及較快推理速度的圖像分類模型。

本發明提供一種適合在移動端設備中離線運行的圖像分類算法模型，此模型具有高精度且輕量性的特點，使得圖像分類技術可以更好的應用于對分類的精度及推理速度要求較高，且算力有限的移動端設備中。

第一方面，本申請實施例提供了一種圖像分類系統，包括：

圖像預處理層：用于對圖像進行處理；

第一標準空間卷積層：接收并根據處理后的所述圖像進行特征提取，并輸出第一特征圖像；

深度可分離卷積層：接收并根據所述第一特征圖像再次進行特征提取，并輸出第二特征圖像；

可變形卷積層：接收并根據所述第二特征圖像的像素點增加隨機形變量，并輸出第三特征圖像；

第二標準空間卷積層：接收所述第三特征圖像并進行特征提取，輸出特征向量；

全連接層：接收并將所述特征向量擬合到相應的類別上，并輸出各個所述特征向量的表征；

圖像分類層：接收所述表征并利用Softmax計算各所述類別的置信度，所述置信度最高的類別標簽為所述圖像所屬類別。

在其中一些實施例中，所述可變形卷積層在所述第二特征圖像的所述像素點的原有位置上增加任一方向的偏移量，利用雙線性插值得到所述偏移量為：

其中，p_x為變量在X方向上的坐標，p_y為所述變量在y方向上的坐標，q_x為另一變量在X方向上的坐標，q_y為所述另一變量在y方向上的坐標，x(q)為特征圖像上所有整數點的取值，x(p)＝X(P₀+P_n+ΔP_n)表示加上偏移之后所有小數點的取值。