矩阵生成方法、图像分类方法、装置、电子设备和介质与流程

本公开的实施例涉及计算机，具体涉及矩阵生成方法、图像分类方法、装置、电子设备和介质。

背景技术：

1、图像分类为一种根据图像信息中所反映的不同特征，把不同类别的图像目标进行区分的图像处理方法。目前，在对图像进行分类时，通常采用的方式为：首先，对图像中的像素值进行编码得到随机脉冲矩阵。然后，对得到的随机脉冲矩阵进行特征提取处理，并对提取出的各个特征进行融合。再然后，利用融合好的特征对分类器进行训练。最后，通过训练好的分类器进行图像分类。

2、然而，当采用上述方式对图像进行分类时，经常会存在如下技术问题：

3、第一，通过直接对图像中像素值进行编码得到的随机脉冲矩阵的真随机性较低，导致利用随机脉冲矩阵生成的图像分类模型的性能较差，进而导致利用模型进行图像分类处理时的处理速度较慢和准确率较低，造成计算资源浪费。

4、第二，仅依据图像中的像素值生成随机脉冲矩阵，导致生成的随机脉冲矩阵的真随机性较低，进而导致图像分类处理的准确率和可靠性较低，造成计算资源浪费。

5、第三，通过直接对图像中像素值进行编码得到的随机脉冲矩阵对图像信息的捕获能力较差，导致图像信息丢失或图像信息重复捕获，进而导致生成的图像分类模型的性能较差，利用模型进行图像分类时的准确率较低，造成计算资源浪费。

6、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了用于图像分类模型训练的随机脉冲矩阵生成方法、图像分类方法、用于图像分类模型训练的随机脉冲矩阵生成装置、图像分类装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种用于图像分类模型训练的随机脉冲矩阵生成方法，该方法包括：获取电子噪声信号集；基于电子噪声信号集中至少一个电子噪声信号，生成各个随机噪声信号；基于预先存储的图像像素信息，生成上述图像像素信息对应的图像概率矩阵，其中，上述图像像素信息对应有图像类别信息；基于各个随机噪声信号，执行以下第一循环步骤：基于预设数值，对预设的脉冲矩阵生成次数进行更新处理；将各个随机噪声信号中的预设数量个随机噪声信号输入至噪声信号采集器中，得到上述预设数量个随机噪声信号对应的各个噪声信号；基于上述图像概率矩阵，生成各个激活信号；基于上述各个噪声信号和上述各个激活信号，生成各个概率信号组；基于上述各个概率信号组，生成随机脉冲子矩阵；响应于确定更新的脉冲矩阵生成次数不满足预设循环条件，基于将上述随机脉冲子矩阵添加至随机脉冲子矩阵集合，以对随机脉冲子矩阵集合进行更新；响应于确定更新的脉冲矩阵生成次数满足预设循环条件，再次执行上述第一循环步骤；基于所更新的随机脉冲子矩阵集合，生成随机脉冲矩阵；将上述随机脉冲矩阵和上述图像像素信息对应的图像类别信息存储至预设数据库，以用于图像分类模型的训练。

4、第二方面，本公开的一些实施例提供了一种图像分类方法，该方法包括：获取图像数据集；对上述图像数据集中的各个图像数据的前景目标图像进行分割处理，得到前景目标图像集；对于上述前景目标图像集中的每个前景目标图像，执行以下步骤：将上述前景目标图像中的各个像素确定为对应的前景目标图像像素矩阵；基于上述前景目标图像像素矩阵，生成对应上述前景目标图像像素矩阵的随机脉冲矩阵；将所生成的随机脉冲矩阵输入至预先训练的图像分类模型中，得到上述随机脉冲矩阵对应的图像类别信息，其中，上述图像分类模型是基于预设数据库中存储的随机脉冲矩阵训练的，预设数据库中存储的随机脉冲矩阵是通过上述第一方面任一实现方式所描述的方法生成的；基于上述图像类别信息，确定上述前景目标图像对应的类别。

5、第三方面，本公开的一些实施例提供了一种用于图像分类模型训练的随机脉冲矩阵生成装置，装置包括：获取单元，被配置成获取电子噪声信号集；第一生成单元，被配置成基于电子噪声信号集中至少一个电子噪声信号，生成各个随机噪声信号；第二生成单元，被配置成基于预先存储的图像像素信息，生成上述图像像素信息对应的图像概率矩阵，其中，上述图像像素信息对应有图像类别信息；执行单元，被配置成基于各个随机噪声信号，执行以下第一循环步骤：基于预设数值，对预设的脉冲矩阵生成次数进行更新处理；将各个随机噪声信号中的预设数量个随机噪声信号输入至噪声信号采集器中，得到上述预设数量个随机噪声信号对应的各个噪声信号；基于上述图像概率矩阵，生成各个激活信号；基于上述各个噪声信号和上述各个激活信号，生成各个概率信号组；基于上述各个概率信号组，生成随机脉冲子矩阵；响应于确定更新的脉冲矩阵生成次数不满足预设循环条件，基于将上述随机脉冲子矩阵添加至随机脉冲子矩阵集合，以对随机脉冲子矩阵集合进行更新；响应于确定更新的脉冲矩阵生成次数满足预设循环条件，再次执行上述第一循环步骤；第三生成单元，被配置成基于所更新的随机脉冲子矩阵集合，生成随机脉冲矩阵；存储单元，被配置成将上述随机脉冲矩阵和上述图像像素信息对应的图像类别信息存储至预设数据库，以用于图像分类模型的训练。

6、第四方面，本公开的一些实施例提供了一种图像分类装置，装置包括：获取单元，被配置成获取图像数据集；分割单元，被配置成对上述图像数据集中的各个图像数据的前景目标图像进行分割处理，得到前景目标图像集；执行单元，被配置成对于上述前景目标图像集中的每个前景目标图像，执行以下步骤：将上述前景目标图像中的各个像素确定为对应的前景目标图像像素矩阵；基于上述前景目标图像像素矩阵，生成对应上述前景目标图像像素矩阵的随机脉冲矩阵；将所生成的随机脉冲矩阵输入至预先训练的图像分类模型中，得到上述随机脉冲矩阵对应的图像类别信息，其中，上述图像分类模型是基于预设数据库中存储的随机脉冲矩阵训练的，预设数据库中存储的随机脉冲矩阵是通过上述第一方面任一实现方式所描述的方法生成的；基于上述图像类别信息，确定上述前景目标图像对应的类别。

7、第五方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面或第二方面任一实现方式所描述的方法。

8、第六方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面或第二方面任一实现方式所描述的方法。

9、本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的用于图像分类模型训练的随机脉冲矩阵生成方法，可以提高利用随机脉冲矩阵生成的图像分类模型的性能，提高利用模型进行图像数据处理时的处理速度，提高图像分类时的准确率。具体来说，造成图像分类模型的性能较差，进而导致利用模型进行图像数据处理时的处理速度较慢，造成图像分类时的准确率较低的原因在于：通过直接对图像中像素值进行编码得到的随机脉冲矩阵的真随机性较低，导致利用随机脉冲矩阵生成的图像分类模型的性能较差，进而导致利用模型进行图像分类处理时的处理速度较慢和准确率较低，造成计算资源浪费。基于此，本公开的一些实施例的用于图像分类模型训练的随机脉冲矩阵生成方法，首先，获取电子噪声信号集。由此，可以得到生成随机噪声信号的数据基础。然后，基于电子噪声信号集中至少一个电子噪声信号，生成各个随机噪声信号。由此，可以通过对电子噪声信号进行的多种处理，增加信号的复杂性和多样性，进而可以增强得到随机脉冲矩阵的真随机性。然后，基于预先存储的图像像素信息，生成上述图像像素信息对应的图像概率矩阵，其中，上述图像像素信息对应有图像类别信息。由此，可以将图像数据转换为概率矩阵，可以更好地捕捉图像的像素信息，进而可以提高生成的随机脉冲矩阵的真随机性，提高利用随机脉冲矩阵生成的图像分类模型的性能。基于各个随机噪声信号，执行以下第一循环步骤：首先，基于预设数值，对预设的脉冲矩阵生成次数进行更新处理。由此，可以通过调整脉冲矩阵生成次数来控制循环的次数。然后，将各个随机噪声信号中的预设数量个随机噪声信号输入至噪声信号采集器中，得到上述预设数量个随机噪声信号对应的各个噪声信号。由此，可以从各个随机噪声信号中得到需要进行处理的预设数量个噪声信号。然后，基于上述图像概率矩阵，生成各个激活信号。由此，可以将图像数据转换为信号的形式，通过图像转换成的激活信号和上述噪声信号生成各个概率信号组，进而生成随机脉冲子矩阵。然后，基于上述各个噪声信号和上述各个激活信号，生成各个概率信号组。由此，可以通过对各个噪声信号和各个激活信号的随机处理，得到各个随机的概率信号，可以有效提高后续生成的随机脉冲矩阵的真随机性，提高利用随机脉冲矩阵生成的图像分类模型的性能，进而提高利用模型进行图像分类处理时的处理速度和准确率。然后，基于上述各个概率信号组，生成随机脉冲子矩阵。由此，可以通过对得到的各个随机脉冲子矩阵的进行随机组合，得到最终的随机脉冲矩阵，可以提高生成的随机脉冲矩阵的真随机性。再然后，响应于确定更新的脉冲矩阵生成次数不满足预设循环条件，基于将上述随机脉冲子矩阵添加至随机脉冲子矩阵集合，以对随机脉冲子矩阵集合进行更新。由此，可以使得随机脉冲子矩阵集合能够反映更新的噪声信号和激活信号，进而可以提高利用随机脉冲矩阵生成的图像分类模型的性能，提高后续生成的图像分类模型对图像数据的处理速度和准确率。然后，响应于确定更新的脉冲矩阵生成次数满足预设循环条件，再次执行上述第一循环步骤。基于所更新的随机脉冲子矩阵集合，生成随机脉冲矩阵。由此，可以得到真随机性更高的随机脉冲矩阵，进而提高后续训练生成的图像分类模型的性能，提高图像分类处理时的处理速度和准确率，减少计算资源浪费。最后，将上述随机脉冲矩阵和上述图像像素信息对应的图像类别信息存储至预设数据库，以用于图像分类模型的训练。由此，可以通过得到的真随机性更高的随机脉冲矩阵进行模型训练，可以提高利用随机脉冲矩阵生成的图像分类模型的处理速度和准确率，进而可以减少计算资源浪费。也因为用于生成随机脉冲矩阵的噪声信号是通过对电子噪声信号进行多重优化处理得到的，用于生成随机脉冲矩阵的激活信号是通过图像像素信息进行随机处理得到的，因此利用上述噪声信号和激活信号生成的随机脉冲矩阵具有较高的真随机性。还因为在生成随机脉冲矩阵时，是通过对各个噪声信号和各个激活信号进行随机处理得到的，因此生成的随机脉冲矩阵的真随机性较高，进而使得训练得到的图像分类模型的性能较高，进而可以提高图像数据处理时的处理速度较慢，提高图像分类时的准确率。综上，通过对图像像素信息和电子噪声信号的处理，可以提高随机脉冲矩阵的真随机性，提高利用随机脉冲矩阵生成的图像分类模型的性能，进而提高利用模型进行图像分类处理时的处理速度和准确率，减少计算资源浪费。

技术特征：

1.一种用于图像分类模型训练的随机脉冲矩阵生成方法，包括：

2.根据权利要求1所述的方法，其中，所述基于电子噪声信号集中至少一个电子噪声信号，生成各个随机噪声信号，包括：

3.根据权利要求1所述的方法，其中，所述基于预先存储的图像像素信息，生成所述图像像素信息对应的图像概率矩阵，包括：

4.根据权利要求1所述的方法，其中，所述图像分类模型是通过以下方式训练得到的：

5.一种图像分类方法，包括：

6.一种用于图像分类模型训练的随机脉冲矩阵生成装置，包括：

7.一种图像分类装置，包括：

8.一种电子设备，包括：

9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至4或5中任一所述的方法。

技术总结
本公开的实施例公开了矩阵生成方法、图像分类方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取电子噪声信号集；生成各个随机噪声信号；执行以下第一循环步骤：对脉冲矩阵生成次数进行更新处理；将各个随机噪声信号中的预设数量个随机噪声信号输入至噪声信号采集器中；生成图像概率矩阵；生成各个激活信号；生成各个概率信号组；生成随机脉冲子矩阵；将随机脉冲子矩阵添加至随机脉冲子矩阵集合；再次执行第一循环步骤；生成随机脉冲矩阵；将随机脉冲矩阵和图像类别信息存储至预设数据库。该实施方式可以有效提高利用随机脉冲矩阵生成的图像分类模型的性能，进而提高利用模型进行图像分类处理时的处理速度和准确率，节约计算资源。

技术研发人员：陈智超,张韵东,周学武,康珮珮
受保护的技术使用者：上海中星微莘庄人工智能芯片有限公司
技术研发日：
技术公布日：2024/12/5