[發明專利]訓練圖像分類模型、圖像分類方法、裝置、設備及介質

在審

• 申請號: 201811626419.2
• 申請日: 2018-12-28
• 公開（公告）號: CN111382758A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 張鵬
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66;G06T5/50
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本發明實施例提供一種訓練圖像分類模型、圖像分類方法、裝置、設備及介質，所述方法包括：獲得至少兩張樣本圖像各自對應的加權系數，所述樣本圖像被標注有用于指示樣本圖像中目標對象的類別的標簽；將所述樣本圖像按對應的加權系數進行加權融合處理，獲得融合圖像，所述加權系數表征所述目標對象在融合圖像中出現的概率；按所述樣本圖像的加權系數對所述樣本圖像的標簽進行加權運算，獲得所述融合圖像的標簽；基于融合圖像和融合圖像的標簽進行圖像分類模型的訓練。本實施例可以提高圖像分類模型的類別預測準確率。

技術領域

本發明涉及數據處理領域，尤其涉及訓練圖像分類模型、圖像分類方法、裝置、設備及介質。

背景技術

圖像分類，可以是對于給定圖片，判斷其包含的目標對象所屬類別。目標對象的類別可以作為圖像所屬類別。圖像分類是圖像處理領域中的一個重要方面。在圖像處理領域，很多圖像處理需要根據圖像分類的結果來進行。因此，圖像分類的有效性和準確度對圖像處理領域中的很多圖像處理起著至關重要的作用。

目前，對圖像進行分類，可以采用機器學習方法從訓練樣本集中學習圖像特征到標簽的映射關系，從而獲得能預測圖像類別的圖像分類模型。然而，在訓練過程中，可能由于訓練樣本集中樣本圖像多樣性不足，導致利用訓練獲得的圖像分類模型進行類別預測時出現類別預測錯誤的情況。

發明內容

為克服相關技術中存在的問題，本發明提供了訓練圖像分類模型、圖像分類方法、裝置、設備及介質。

根據本發明實施例的第一方面，提供一種訓練圖像分類模型的方法，所述方法包括：

獲得至少兩張樣本圖像各自對應的加權系數，所述樣本圖像被標注有用于指示樣本圖像中目標對象的類別的標簽；

將所述樣本圖像按對應的加權系數進行加權融合處理，獲得融合圖像，所述加權系數表征所述目標對象在融合圖像中出現的概率；

按所述樣本圖像的加權系數對所述樣本圖像的標簽進行加權運算，獲得所述融合圖像的標簽；

基于融合圖像和融合圖像的標簽進行圖像分類模型的訓練。

在一個可選的實施例中，所述加權系數隨機生成。

在一個可選的實施例中，所述將所述樣本圖像按對應的加權系數進行加權融合處理，獲得融合圖像，包括：

獲取每張樣本圖像中坐標相同的像素點，將所獲取的像素點按所在樣本圖像的加權系數進行加權運算，獲得融合圖像。

在一個可選的實施例中，所述樣本圖像的標簽為單類別標簽，和/或，所述樣本圖像的標簽為獨熱碼形式的標簽。

根據本發明實施例的第二方面，提供一種圖像分類方法，所述方法包括：

利用上述任一項所述的圖像分類模型對待分類圖像中目標對象的類別進行預測，獲得所述目標對象的類別。

在一個可選的實施例中，所述利用所述圖像分類模型對待分類圖像中目標對象的類別進行預測，獲得所述目標對象的類別，包括：

利用圖像分類模型提取待分類圖像中的圖像特征；

依據圖像分類模型中圖像特征與標簽的映射關系，預測與待分類圖像的圖像特征對應的標簽，獲得所述待分類圖像中目標對象的類別。

根據本發明實施例的第三方面，提供一種訓練圖像分類模型的裝置，所述裝置包括：

系數獲得模塊，用于獲得至少兩張樣本圖像各自對應的加權系數，所述樣本圖像被標注有用于指示樣本圖像中目標對象的類別的標簽；

融合處理模塊，用于將所述樣本圖像按對應的加權系數進行加權融合處理，獲得融合圖像，所述加權系數表征所述目標對象在融合圖像中出現的概率；