[發明專利]圖片分類方法、圖片模型訓練方法及設備

在審

• 申請號: 201910974983.1
• 申請日: 2019-10-14
• 公開（公告）號: CN110751197A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 周康明;戚風亮
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 31243 上海百一領御專利代理事務所(普通合伙)
• 代理人: 王奎宇;甘章乖

1.一種圖片分類方法，其中，該方法包括：

建立圖片分類模型，所述圖片分類模型包括待學習的參數w；

確定損失函數，所述損失函數包括超參n，所述損失函數用于弱化對已經分類正確的訓練集中的第一圖片的懲罰，加重對分類錯誤的訓練集中的第一圖片的懲罰；

將訓練集中的第一圖片輸入所述圖片分類模型，以得到第一類別判定輸出，基于所述損失函數、第一圖片的第一類別判定輸出及所述第一圖片對應的真實類別，對所述圖片分類模型中的待學習的參數w的值進行調節；

將驗證集中的第二圖片輸入所述圖片分類模型，以得到第二類別判定輸出，基于第二圖片的第二類別判定輸出及所述第二圖片對應的真實類別，對所述損失函數中的超參n的值進行選擇，得到目標圖片分類模型；

基于所述目標圖片分類模型對待分類的圖片進行分類。

2.根據權利要求1所述的方法，其中，基于所述損失函數、第一圖片的第一類別判定輸出及所述第一圖片對應的真實類別，對所述圖片分類模型中的待學習的參數w的值進行調節，包括：

基于所述損失函數對第一圖片的第一類別判定輸出及所述第一圖片對應的真實類別，計算第一圖片的類別判定的損失值；

選取第一圖片的類別判定的損失值中的最低值；

將所述第一圖片的類別判定的損失值為所述最低值時對應的參數w的值，作為參數w的最終值。

3.根據權利要求1所述的方法，其中，基于第二圖片的第二類別判定輸出及所述第二圖片對應的真實類別，對所述損失函數中的超參n的值進行選擇，包括：

將第二圖片的第二類別判定輸出與所述第二圖片的真實類別進行比較，得到第二圖片的類別判定的準確度；

選取第二圖片的類別判定的準確度中的最高值；

將所述第二圖片的類別判定的準確度為所述最高值時對應的超參n的值，作為超參n的最終值。

4.根據權利要求1所述的方法，其中，所述損失函數的公式如下：

l＝exp(-yf)，

其中，v表示某張第一圖片x的第一特征向量，T表示轉置，y表示所述某張第一圖片x的類別，p(y＝1|x)表示某張第一圖片x的類別y屬于1的概率，p(y＝-1|x)表示某張第一圖片x的類別y屬于-1的概率。

5.根據權利要求1所述的方法，其中，建立圖片分類模型之前，還包括：

獲取訓練集和驗證集，其中，所述訓練集包括多張第一圖片，和每張第一圖片對應的真實類別，所述驗證集包括多張第二圖片，和每張第二圖片對應的真實類別；

將訓練集中的第一圖片輸入所述圖片分類模型，以得到第一類別判定輸出，包括：

將訓練集中的第一圖片輸入所述圖片分類模型，通過所述圖片分類模型將所述訓練集中的每張第一圖片分別映射為對應的第一特征向量，并基于第一特征向量以得到第一類別判定輸出；

將驗證集中的第二圖片輸入所述圖片分類模型，以得到第二類別判定輸出，包括：

將驗證集中的第二圖片輸入所述圖片分類模型，通過所述圖片分類模型將所述驗證集中的每張第二圖片分別映射為對應的第二特征向量，并基于所述第二特征向量得到第二類別判定輸出。

6.根據權利要求5所述的方法，其中，通過所述圖片分類模型將所述訓練集中的每張第一圖片分別映射為對應的第一特征向量，通過所述圖片分類模型將所述驗證集中的每張第二圖片分別映射為對應的第二特征向量之前，還包括：

分別對每張第一圖片和第二圖片進行如下至少一項的預處理：

將第一圖片和第二圖片的大小調整到固定的尺寸圖；

對第一圖片和第二圖片進行通道去均值處理。