[發明專利]基于人工智能的圖像分類方法、裝置及電子設備

在審

• 申請號: 202010122825.6
• 申請日: 2020-02-27
• 公開（公告）號: CN111339952A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 沈偉;康斌
• 申請（專利權）人: 騰訊科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/75
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王姍姍;張穎玲

本發明提供了一種基于人工智能的圖像分類方法、裝置、電子設備及計算機可讀存儲介質；方法包括：從視頻集中確定與圖像分類模型的目標分類標簽對應的正則化視頻；對正則化視頻進行鏡頭切分處理，得到至少一個視頻流；通過圖像分類模型，對視頻流中的圖像進行前饋處理，得到特征向量；根據視頻流中設定數量的圖像對應的特征向量，建立連續性約束；根據連續性約束在圖像分類模型中進行反向傳播，并在反向傳播的過程中，更新圖像分類模型的權重參數；根據更新后的圖像分類模型，確定待分類圖像中所包括內容的分類結果。通過本發明，能夠提升模型正則化效果，有效避免模型過擬合，提升圖像分類的精度。

技術領域

本發明涉及人工智能技術，尤其涉及一種基于人工智能的圖像分類方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

人工智能(AI，Artificial Intelligence)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法和技術及應用系統。計算機視覺技術(CV，Computer Vision)是人工智能的一個重要分支，具體指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。

圖像分類是計算機視覺技術的一個重要應用，圖像分類的目標可以是人臉、貓、狗或特定的其他對象。在相關技術提供的方案中，通常是通過圖像分類模型來實現圖像分類，在模型訓練的階段，通常會設置直接約束模型參數的正則化項，從而限制模型的表達能力，避免模型在訓練階段中出現過擬合的情況。但是，隨著模型規模的擴大和參數的增加，通過傳統的正則化項進行正則化的效果差，導致進行圖像分類的精度低。

發明內容

本發明實施例提供一種基于人工智能的圖像分類方法、裝置、電子設備及計算機可讀存儲介質，能夠提升對模型的正則化效果，并提升根據訓練后的模型進行圖像分類的精度。

本發明實施例的技術方案是這樣實現的：

本發明實施例提供一種基于人工智能的圖像分類方法，包括：

從視頻集中確定與圖像分類模型的目標分類標簽對應的正則化視頻；

對所述正則化視頻進行鏡頭切分處理，得到至少一個視頻流；

通過所述圖像分類模型，對所述視頻流中的圖像進行前饋處理，得到特征向量；

根據所述視頻流中設定數量的圖像對應的特征向量，建立連續性約束；所述連續性約束用于約束所述設定數量的圖像對應的特征向量之間的連續關系；

根據所述連續性約束在所述圖像分類模型中進行反向傳播，并在反向傳播的過程中，更新所述圖像分類模型的權重參數；

根據更新后的所述圖像分類模型，確定待分類圖像中所包括內容的分類結果。

本發明實施例提供一種基于人工智能的圖像分類裝置，包括：

視頻確定模塊，用于從視頻集中確定與圖像分類模型的目標分類標簽對應的正則化視頻；

鏡頭切分模塊，用于對所述正則化視頻進行鏡頭切分處理，得到至少一個視頻流；

前饋處理模塊，用于通過所述圖像分類模型，對所述視頻流中的圖像進行前饋處理，得到特征向量；

約束建立模塊，用于根據所述視頻流中設定數量的圖像對應的特征向量，建立連續性約束；所述連續性約束用于約束所述設定數量的圖像對應的特征向量之間的連續關系；

更新模塊，用于根據所述連續性約束在所述圖像分類模型中進行反向傳播，并在反向傳播的過程中，更新所述圖像分類模型的權重參數；

分類模塊，用于根據更新后的所述圖像分類模型，確定待分類圖像中所包括內容的分類結果。