[發(fā)明專利]基于人工智能的圖像分類模型訓(xùn)練方法、分類方法及裝置

有效

• 申請?zhí)枺?/td>: 202010036150.3
• 申請日: 2020-01-14
• 公開（公告）號: CN111275080B
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計）人: 鄭瀚;尚鴻;孫鐘前;付星輝
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/55;G06F21/60;G16H30/20
• 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: 王花麗;張穎玲

本發(fā)明提供了一種基于人工智能的圖像分類模型訓(xùn)練方法、分類方法、裝置、電子設(shè)備及存儲介質(zhì)；方法包括：獲取包括原始圖像、標(biāo)注區(qū)域及標(biāo)注標(biāo)簽的原始樣本；其中，所述標(biāo)注標(biāo)簽用于表示所述原始圖像中位于所述標(biāo)注區(qū)域的圖像的分類結(jié)果；對所述原始圖像進行增廣處理得到增廣圖像；當(dāng)所述增廣圖像符合所述標(biāo)注區(qū)域?qū)?yīng)的增廣條件時，根據(jù)所述標(biāo)注標(biāo)簽確定所述增廣圖像的增廣標(biāo)注標(biāo)簽，并根據(jù)所述增廣圖像和所述增廣標(biāo)注標(biāo)簽，構(gòu)建增廣樣本；根據(jù)所述原始樣本和所述增廣樣本，更新圖像分類模型的權(quán)重參數(shù)；其中，更新后的所述圖像分類模型用于確定待處理圖像的分類結(jié)果。通過本發(fā)明，能夠提升圖像增廣以及進行圖像分類的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)，尤其涉及一種基于人工智能的圖像分類模型訓(xùn)練方法、分類方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

人工智能(AI，Artificial Intelligence)是利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法和技術(shù)及應(yīng)用系統(tǒng)。機器學(xué)習(xí)(ML，Machine Learning)是人工智能的核心，主要研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

圖像分類是機器學(xué)習(xí)的一個重要應(yīng)用方向，例如預(yù)測圖像是否包括人臉。在進行圖像分類時，通常是通過模型對圖像進行相應(yīng)處理，為了提升模型的泛化能力，在相關(guān)技術(shù)提供的方案中，通常會通過裁剪等方式對作為樣本的原始圖像進行處理，得到新的圖像，并將原始圖像的標(biāo)簽賦予新的圖像。但是，經(jīng)過裁剪后，新的圖像的分類結(jié)果可能會發(fā)生變化，導(dǎo)致新的圖像與對應(yīng)的標(biāo)簽不匹配，圖像增廣的準(zhǔn)確性低，進行圖像分類的準(zhǔn)確性同樣較低。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種基于人工智能的圖像分類模型訓(xùn)練方法、分類方法、裝置、電子設(shè)備及存儲介質(zhì)，能夠提升圖像增廣及圖像分類的準(zhǔn)確性。

本發(fā)明實施例的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明實施例提供一種基于人工智能的圖像分類模型訓(xùn)練方法，包括：

獲取包括原始圖像、標(biāo)注區(qū)域及標(biāo)注標(biāo)簽的原始樣本；其中，所述標(biāo)注標(biāo)簽用于表示所述原始圖像中位于所述標(biāo)注區(qū)域的圖像的分類結(jié)果；

對所述原始圖像進行增廣處理得到增廣圖像；

當(dāng)所述增廣圖像符合所述標(biāo)注區(qū)域?qū)?yīng)的增廣條件時，根據(jù)所述標(biāo)注標(biāo)簽確定所述增廣圖像的增廣標(biāo)注標(biāo)簽，并

根據(jù)所述增廣圖像和所述增廣標(biāo)注標(biāo)簽，構(gòu)建增廣樣本；

根據(jù)所述原始樣本和所述增廣樣本，更新圖像分類模型的權(quán)重參數(shù)；

其中，更新后的所述圖像分類模型用于確定待處理圖像的分類結(jié)果。

本發(fā)明實施例提供一種基于圖像分類模型的分類方法，包括：

獲取待處理圖像；

通過圖像分類模型將所述待處理圖像映射至特征空間，得到圖像特征；

通過所述圖像分類模型，對所述圖像特征進行分類處理，得到至少一個初始預(yù)測標(biāo)簽及對應(yīng)的置信度；

將數(shù)值最大的置信度對應(yīng)的初始預(yù)測標(biāo)簽，確定為預(yù)測標(biāo)簽；

根據(jù)所述預(yù)測標(biāo)簽確定所述待處理圖像的分類結(jié)果。

本發(fā)明實施例提供一種基于人工智能的圖像分類模型訓(xùn)練方法，包括：

獲取包括原始醫(yī)學(xué)圖像、標(biāo)注區(qū)域及標(biāo)注標(biāo)簽的原始樣本；其中，所述標(biāo)注標(biāo)簽用于表示所述原始醫(yī)學(xué)圖像中位于所述標(biāo)注區(qū)域的圖像的病變分類結(jié)果；

對所述原始醫(yī)學(xué)圖像進行增廣處理得到增廣醫(yī)學(xué)圖像；