[發明專利]一種圖像分類模型的處理方法、裝置及存儲介質

在審

• 申請號: 201810087876.2
• 申請日: 2018-01-30
• 公開（公告）號: CN108197666A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 曲之琳
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京派特恩知識產權代理有限公司 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練網絡，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練網絡；

根據獲取的未具有標記的圖像樣本，對所述第一待訓練網絡進行無監督方式的訓練，以更新所述第一待訓練網絡中濾波器模型的參數；

基于所述第二待訓練網絡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圖像樣本的標記，對所述第二待訓練網絡中的分類器模型進行有監督方式的訓練；

基于訓練后的分類器模型輸出結果的誤差，更新所述第二待訓練網絡中濾波器模型的參數。

2.根據權利要求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練網絡，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練網絡，包括：

從所述圖像分類模型中順序選取待訓練的目標濾波器模型，且所選取的目標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，

選取所述目標濾波器模型的輸入層和隱含層作為所述第一待訓練網絡；

選取所述目標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練網絡。

3.根據權利要求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練網絡，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練網絡，包括：

從所述圖像分類模型中順序選取待訓練的目標濾波器模型，且所選取的目標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，

選取所述目標濾波器模型的輸入層、隱含層、以及所述目標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練網絡；

選取所述目標濾波器模型的輸入層、隱含層、與所述目標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練網絡。

4.根據權利要求1所述的圖像分類模型的處理方法，其特征在于，所述根據獲取的未具有標記的圖像樣本，對所述第一待訓練網絡進行無監督方式的訓練，以更新所述第一待訓練網絡中濾波器模型的參數，包括：

初始化所述第一待訓練網絡包括的濾波器模型的參數；

根據所述未具有標記的圖像樣本的特征之間距離，對圖像樣本的特征進行聚類，以獲得對所述第一待訓練網絡包括的濾波器模型的更新的參數。

5.根據權利要求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圖像樣本的標記，對所述第二待訓練網絡中的分類器模型進行有監督方式的訓練，包括：

構建以所述分類器模型的參數、所提取的圖像特征及相應圖像樣本的標記為因子的代價函數；

確定所述代價函數滿足收斂條件時所述分類器模型的參數的更新值；

所述基于訓練后的分類器模型輸出結果的誤差，更新所述第二待訓練網絡中濾波器模型的參數，包括：

根據訓練后的分類器模型輸出結果的誤差，對所述第一待訓練網絡中濾波器模型的參數進行調整，以調整至滿足收斂條件，以獲得所述第二待訓練網絡中的濾波器模型的更新參數。

6.根據權利要求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練網絡中濾波器模型的參數之后，所述方法還包括：

將圖像樣本數據輸入經由更新后的所述第一待訓練網絡中濾波器模型的參數，和更新后的所述第二待訓練網絡中濾波器模型的參數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據中的各數據所屬類別的概率大小；

根據所述各概率值，選取符合概率條件的類別，根據所選取的類別識別所述圖像樣本數據。