1.一种图像分类方法,其特征在于,包括:
2.根据权利要求1所述的图像分类方法,其特征在于,所述基于所述特征图对所述图像进行第一次类别识别,得到所述图像的初始分类结果,包括:
3.根据权利要求2所述的图像分类方法,其特征在于,所述通过分类网络基于所述特征图对所述图像进行第一次类别识别,得到所述图像的初始分类结果之前,所述图像分类方法还包括:
4.根据权利要求3所述的图像分类方法,其特征在于,所述样本特征图包括基于分类网络的多个特征提取层依次对所述样本图像进行特征提取,得到的各特征提取层对应的多个通道的样本特征图,所述根据所述样本重要性权值对所述样本特征图进行聚合,生成用于表征解释所述样本图像所属所述预测标签的样本描述信息,包括:
5.根据权利要求3所述的图像分类方法,其特征在于,所述训练样本还包括所述样本图像对应的类别描述信息,所述通过反馈网络基于所述样本描述信息对所述样本图像进行第二次类别预测,得到目标预测标签,包括:
6.根据权利要求5所述的图像分类方法,其特征在于,所述通过反馈网络基于所述目标描述信息,对所述样本图像进行第二次类别预测,得到目标预测标签,包括:
7.根据权利要求1至6任一项所述的图像分类方法,其特征在于,所述基于所述描述信息对所述图像进行第二次类别识别,得到所述图像的目标分类结果之后,所述图像分类方法还包括:
8.一种图像分类装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时执行如权利要求1至7任一项所述的图像分类方法。
10.一种存储介质,其特征在于,所述存储介质用于存储计算机程序,所述计算机程序被处理器加载以执行权利要求1至7任一项所述的图像分类方法。