(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210682094.X (22)申请日 2022.06.15 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 龚丽君　黄晗　李志锋　刘威　 (74)专利代理 机构 深圳翼盛智成知识产权事务 所(普通合伙) 44300 专利代理师 李玉婷 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 图像分类方法、 装置、 电子设备和存 储介质 (57)摘要 本申请涉及人工智能领域， 具体而言， 涉及 一种图像分类方法、 装置、 电子设备和存储介质， 可应用于广告视频的封面选取。 本申请实施例提 供的图像分类方法， 包括： 获取待分类图像； 对待 分类图像进行特征提取， 获得初始特征图， 初始 特征图包括多个初始特征像素； 根据多个初始特 征像素之间的相关性， 对初始特征图进行增强处 理， 获得目标特征图； 基于目标特征图， 获得待分 类图像的清晰度类别。 本申请实施例提供的图像 分类方法、 装置、 电子设备和存储介质， 可以提升 针对待分类图像的清晰度分类结果的准确性。 权利要求书2页 说明书20页 附图8页 CN 115115875 A 2022.09.27 CN 115115875 A 1.一种图像分类方法， 其特 征在于， 包括： 获取待分类图像； 对所述待分类图像进行特征提取， 获得初始特征图， 所述初始特征图包括多个初始特 征像素； 根据所述多个初始特征像素之间的相关性， 对所述初始特征图进行增强处理， 获得目 标特征图； 基于所述目标 特征图， 获得 所述待分类图像的清晰度类别。 2.如权利要求1所述的图像分类方法， 其特征在于， 所述根据所述多个初始特征像素之 间的相关性， 对所述初始特 征图进行增强处 理， 获得目标 特征图， 包括： 分别获取待处理特征像素与每个所述初始特征像素之间的相关性系数， 所述待处理特 征像素为任一所述初始特 征像素； 根据所述相关性系数， 对所述待处 理特征像素进行增强处 理， 获得目标 特征像素； 获得所述目标 特征图， 所述目标 特征图包括所有所述目标 特征像素。 3.如权利要求2所述的图像分类方法， 其特征在于， 所述分别获取待处理特征像素与每 个所述初始特 征像素之间的相关性系数， 包括： 根据所述待处理特征像素在所述初始特征图中的位置信 息， 获取所述待处理特征像素 的第一像素表征值； 根据所述初始特征图中， 每个所述初始像素特征的位置信息， 获取每个所述初始特征 像素的第二像素表征值； 基于所述第 一像素表征值和所有所述第 二像素表征值， 获得对应于每个所述初始像素 特征的相关性系数。 4.如权利要求3所述的图像分类方法， 其特征在于， 所述基于所述第 一像素表征值和所 有所述第二像素表征值， 获得对应于每 个所述初始像素 特征的相关性系数， 包括： 基于所述第一像素表征值和目标像素表征值， 获得第一计算结果， 所述目标像素表征 值为任一所述第二像素表征值； 基于所述第一像素表征值和所有所述第二像素表征值， 获得第二计算结果； 获取所述第 一计算结果与 所述第二计算结果的比值， 作为对应于所述目标像素表征值 的相关性系数。 5.根据权利要求4所述的图像分类方法， 其特征在于， 所述基于所述第 一像素表征值和 目标像素表征值， 获得第一计算结果， 包括： 获取所述第一像素表征值的转置结果； 通过第一预设激活函数， 对所述 转置结果进行激活 处理， 获得第一激活结果； 通过第二预设激活函数， 对所述目标像素表征值进行激活 处理， 获得第二激活结果； 计算出所述第一激活结果与所述第二激活结果的第一乘积结果； 获取以目标数值为底， 以所述第一乘积结果为自变量的指数函数运算结果， 作为第一 计算结果。 6.根据权利要求4所述的图像分类方法， 其特征在于， 所述基于所述第 一像素表征值和 所有所述第二像素表征值， 获得第二计算结果， 包括： 获取所述第一像素表征值的转置结果；权　利　要　求　书 1/2 页 2 CN 115115875 A 2通过第一预设激活函数， 对所述 转置结果进行激活 处理， 获得第一激活结果； 通过第二预设激活函数， 对每个所述第二像素表征值进行激活处理， 获得第三激活结 果； 分别计算出 所述第一激活结果与每 个所述第三激活结果的第二乘积结果； 分别获取以目标数值为底， 以每个所述第二乘积结果为自变量的指数函数运算结果， 作为中间计算结果； 对所有所述中间计算结果进行求和处 理， 获得第二计算结果。 7.如权利要求2所述的图像分类方法， 其特征在于， 所述根据所述相关性系数， 对所述 待处理特征像素进行增强处 理， 获得目标 特征像素， 包括： 根据所述初始特征图中， 每个所述初始像素特征的位置信息， 获取每个所述初始特征 像素的第二像素表征值； 计算出对应于所述第二像素表征值的相关性系数与所述第二像素表征值的乘积结果； 对所有所述乘积结果进行求和处 理， 获得求和结果， 作为目标 特征像素。 8.如权利要求1所述的图像分类方法， 其特征在于， 所述基于所述目标特征图， 获得所 述待分类图像的清晰度类别， 包括： 通过分类输出层， 利用所述目标特征图， 获取多个待定类别所对应的预测概率值， 所述 多个待定类别包括清晰、 局部模糊和全局模糊； 从多个所述预测概 率值中， 确定出 数值最大的目标概 率值； 将对应于所述目标概 率值的所述待定类别， 作为所述清晰度类别。 9.如权利要求1所述的图像分类方法， 其特征在于， 所述对所述待识别图像进行特征提 取， 获得初始特 征图， 包括： 将所述待识别图像输入轻量级特 征提取网络； 通过所述轻量级特征提取网络， 对所述待识别图像进行特征提取， 输出所述初始特征 图。 10.一种图像分类装置， 其特 征在于， 包括： 图像获取 单元， 用于获取待分类图像； 特征图获取单元， 用于对所述待分类图像进行特征提取， 获得初始特征图， 所述初始特 征图包括多个初始特 征像素； 增强处理单元， 用于根据所述多个初始特征像素之间的相关性， 对所述初始特征图进 行增强处 理， 获得目标 特征图； 分类单元， 用于基于所述目标 特征图， 获得 所述待分类图像的清晰度类别。 11.一种电子设备， 其特 征在于， 包括处 理器和存 储器， 所述存 储器存储有多条指令； 所述处理器从所述存储器 中加载指令， 以执行如权利要求1～9中任一项所述的图像分 类方法中的步骤。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有多条指 令， 所述指令适于处理器进行加载， 以执行权利要求1～9中任一项所述的图像分类方法中 的步骤。 13.一种计算机程序产品， 包括计算机程序或指令， 其特征在于， 所述计算机程序或指 令被处理器执行时实现权利要求1～ 9中任一项所述的图像分类方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115115875 A 3