[發(fā)明專利]一種圖像分類模型的處理方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201810087876.2
• 申請日: 2018-01-30
• 公開（公告）號: CN108197666A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計）人: 曲之琳
• 申請（專利權(quán)）人: 咪咕文化科技有限公司;中國移動通信集團(tuán)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 姚文嫻;張穎玲

1.一種圖像分類模型的處理方法，其特征在于，所述方法包括：

初始化圖像分類模型；

確定從所述圖像分類模型中順序選取的濾波器模型的第一待訓(xùn)練網(wǎng)絡(luò)，以及確定包括所述順序選取的濾波器模型和分類器模型的第二待訓(xùn)練網(wǎng)絡(luò)；

根據(jù)獲取的未具有標(biāo)記的圖像樣本，對所述第一待訓(xùn)練網(wǎng)絡(luò)進(jìn)行無監(jiān)督方式的訓(xùn)練，以更新所述第一待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)；

基于所述第二待訓(xùn)練網(wǎng)絡(luò)從所述圖像樣本中提取圖像特征；

基于所提取的圖像特征及相應(yīng)圖像樣本的標(biāo)記，對所述第二待訓(xùn)練網(wǎng)絡(luò)中的分類器模型進(jìn)行有監(jiān)督方式的訓(xùn)練；

基于訓(xùn)練后的分類器模型輸出結(jié)果的誤差，更新所述第二待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)。

2.根據(jù)權(quán)利要求1所述的圖像分類模型的處理方法，其特征在于，所述確定從所述圖像分類模型中順序選取的濾波器模型的第一待訓(xùn)練網(wǎng)絡(luò)，以及確定包括所述順序選取的濾波器模型和分類器模型的第二待訓(xùn)練網(wǎng)絡(luò)，包括：

從所述圖像分類模型中順序選取待訓(xùn)練的目標(biāo)濾波器模型，且所選取的目標(biāo)濾波器模型為所述圖像分類模型中的第一個濾波器模型時，

選取所述目標(biāo)濾波器模型的輸入層和隱含層作為所述第一待訓(xùn)練網(wǎng)絡(luò)；

選取所述目標(biāo)濾波器模型的輸入層、隱含層、以及所述分類器模型作為所述第二待訓(xùn)練網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的圖像分類模型的處理方法，其特征在于，所述確定從所述圖像分類模型中順序選取的濾波器模型的第一待訓(xùn)練網(wǎng)絡(luò)，以及確定包括所述順序選取的濾波器模型和分類器模型的第二待訓(xùn)練網(wǎng)絡(luò)，包括：

從所述圖像分類模型中順序選取待訓(xùn)練的目標(biāo)濾波器模型，且所選取的目標(biāo)濾波器模型不是所述圖像分類模型中的第一個濾波器模型時，

選取所述目標(biāo)濾波器模型的輸入層、隱含層、以及所述目標(biāo)濾波器模型連接的前一個濾波器模型的池化層作為所述第一待訓(xùn)練網(wǎng)絡(luò)；

選取所述目標(biāo)濾波器模型的輸入層、隱含層、與所述目標(biāo)濾波器模型連接的前一個濾波器模型的池化層、以及所述分類器模型作為所述第二待訓(xùn)練網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1所述的圖像分類模型的處理方法，其特征在于，所述根據(jù)獲取的未具有標(biāo)記的圖像樣本，對所述第一待訓(xùn)練網(wǎng)絡(luò)進(jìn)行無監(jiān)督方式的訓(xùn)練，以更新所述第一待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)，包括：

初始化所述第一待訓(xùn)練網(wǎng)絡(luò)包括的濾波器模型的參數(shù)；

根據(jù)所述未具有標(biāo)記的圖像樣本的特征之間距離，對圖像樣本的特征進(jìn)行聚類，以獲得對所述第一待訓(xùn)練網(wǎng)絡(luò)包括的濾波器模型的更新的參數(shù)。

5.根據(jù)權(quán)利要求1所述的圖像分類模型的處理方法，其特征在于，所述基于所提取的圖像特征及相應(yīng)圖像樣本的標(biāo)記，對所述第二待訓(xùn)練網(wǎng)絡(luò)中的分類器模型進(jìn)行有監(jiān)督方式的訓(xùn)練，包括：

構(gòu)建以所述分類器模型的參數(shù)、所提取的圖像特征及相應(yīng)圖像樣本的標(biāo)記為因子的代價函數(shù)；

確定所述代價函數(shù)滿足收斂條件時所述分類器模型的參數(shù)的更新值；

所述基于訓(xùn)練后的分類器模型輸出結(jié)果的誤差，更新所述第二待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)，包括：

根據(jù)訓(xùn)練后的分類器模型輸出結(jié)果的誤差，對所述第一待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)進(jìn)行調(diào)整，以調(diào)整至滿足收斂條件，以獲得所述第二待訓(xùn)練網(wǎng)絡(luò)中的濾波器模型的更新參數(shù)。

6.根據(jù)權(quán)利要求1所述的圖像分類模型的處理方法，其特征在于，在所述更新所述第二待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)之后，所述方法還包括：

將圖像樣本數(shù)據(jù)輸入經(jīng)由更新后的所述第一待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)，和更新后的所述第二待訓(xùn)練網(wǎng)絡(luò)中濾波器模型的參數(shù)確定的圖像分類模型；

獲取所述圖像分類模型輸出的各概率值；其中，所述各概率值分別表示所述圖像樣本數(shù)據(jù)中的各數(shù)據(jù)所屬類別的概率大小；

根據(jù)所述各概率值，選取符合概率條件的類別，根據(jù)所選取的類別識別所述圖像樣本數(shù)據(jù)。