[發明專利]一種圖像分類模型的訓練方法及圖像分類方法、存儲介質

有效

• 申請號: 202010250560.8
• 申請日: 2020-04-01
• 公開（公告）號: CN111476285B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 徐明;邵新慶;宋詠君;劉強
• 申請（專利權）人: 深圳力維智聯技術有限公司;南京中興力維軟件有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/0464
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 彭家恩;彭愿潔

1.一種圖像分類模型的訓練方法，其特征在于，包括：

建立關于一分類對象的第一數據集和第二數據集，所述第一數據集包含多幅標注有分類標簽的第一圖像，所述第二數據集包含多幅沒有標注分類標簽的第二圖像；

根據所述第一數據集對所述第二數據集中的所述第二圖像進行分類標簽的預測，得到所述第二圖像對應的分類標簽，并根據所述第二圖像及其對應的分類標簽得到標注有分類標簽的第三圖像以建立第三數據集；

利用所述第一數據集和所述第三數據集對預設的深度神經網絡進行訓練，學習得到圖像分類模型；

所述根據所述第一數據集對所述第二數據集中的所述第二圖像進行分類標簽的預測，得到所述第二圖像對應的分類標簽，并根據所述第二圖像及其對應的分類標簽得到標注有分類標簽的第三圖像以建立第三數據集，包括：

從所述第一數據集中選取多幅第一圖像，對預設的網絡模型進行訓練，得到預測模型；

從所述第二數據集中選取多幅第二圖像，根據所述預測模型對所選取的第二圖像進行分類標簽的預測處理，得到各所選取的第二圖像的預測標簽；

對各幅第二圖像的預測標簽進行標簽銳化處理，得到相應的第二圖像的分類標簽；

對各選取的第二圖像及其對應的分類標簽進行處理，得到第三圖像及其對應的分類標簽，并根據第三圖像及其對應的分類標簽建立第三數據集；

所述對各幅第二圖像的預測標簽進行標簽銳化處理，得到相應的第二圖像的分類標簽，包括：

定義任意一幅第二圖像的預測標簽為多維向量Lˊ且Lˊ內的每一維數值表示所述第二圖像從屬于一分類類別的預測概率；

根據預設的prob函數對多維向量Lˊ內的每一維數值進行預測概率的修正，利用修正后的概率值更新多維向量Lˊ，得到多維向量L且作為所述第二圖像的分類標簽；

所述prob函數用公式表示為：

其中，p為所述第二圖像從屬于一分類類別的預測概率，T為預設的超參數，a為分類類別的序號，j為累加序號，N為分類類別的數目或多維向量Lˊ的維數。

2.如權利要求1所述的訓練方法，其特征在于，所述從所述第二數據集中選取多幅第二圖像，根據所述預測模型對所選取的第二圖像進行分類標簽的預測處理，得到各所選取的第二圖像的預測標簽，包括：

對各幅所選取的第二圖像分別進行一次或多次的圖像增強處理；

將各幅所選取的第二圖像及其圖像增強處理后的第二圖像分別輸入至所述預測模型，分別得到對應的數據標簽；

對于每幅所選取的第二圖像，將其對應的數據標簽和其圖像增強處理后的第二圖像所對應的數據標簽進行標簽平均化處理，得到其預測標簽。

3.如權利要求1-2中任一項所述的訓練方法，其特征在于,所述利用所述第一數據集和所述第三數據集對預設的深度神經網絡進行訓練，學習得到圖像分類模型，包括：

從所述第一數據集中選取多幅第一圖像，并對各幅所選取的第一圖像分別進行數據增強處理；

對數據增強處理之后的各幅第一圖像和所述第三數據集中的各幅第三圖像進行數據分組，得到參與訓練的多組訓練數據；

利用得到的多組訓練數據對預設的深度神經網絡進行訓練，學習得到圖像分類模型。