[發(fā)明專利]圖像分類方法、裝置及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202010721629.0
• 申請(qǐng)日: 2020-07-24
• 公開（公告）號(hào): CN111597374B
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 郭卉
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/55
• 分類號(hào): G06F16/55;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種圖像分類方法，其特征在于，所述方法包括：

接收第一分類任務(wù)的分類請(qǐng)求；

通過增量圖像分類模型對(duì)待分類圖像進(jìn)行分類處理；

其中，所述第一分類任務(wù)需要識(shí)別的類型中至少存在與第二分類任務(wù)需要識(shí)別的第一基礎(chǔ)類型不同的類型，所述增量圖像分類模型是在用于執(zhí)行所述第二分類任務(wù)的基礎(chǔ)圖像分類模型的基礎(chǔ)上、對(duì)所述基礎(chǔ)圖像分類模型能夠識(shí)別的第一背景類型進(jìn)行區(qū)分學(xué)習(xí)得到的；

當(dāng)所述增量圖像分類模型識(shí)別出的類型滿足以下條件至少之一時(shí)，生成所述待分類圖像屬于第三基礎(chǔ)類型的分類結(jié)果：

所述增量圖像分類模型識(shí)別出的類型為任一種第二基礎(chǔ)類型、且與所述第三基礎(chǔ)類型具有映射關(guān)系；

所述增量圖像分類模型識(shí)別出的類型為任一種所述第一基礎(chǔ)類型、且與所述第三基礎(chǔ)類型具有映射關(guān)系；

其中，所述基礎(chǔ)圖像分類模型能夠識(shí)別的類型包括所述第一背景類型以及至少一種所述第一基礎(chǔ)類型，所述增量圖像分類模型能夠識(shí)別的類型包括第二背景類型、至少一種所述第一基礎(chǔ)類型、以及至少一種所述第二基礎(chǔ)類型，所述第一分類任務(wù)需要識(shí)別的類型包括第三背景類型、以及至少一種所述第三基礎(chǔ)類型；

基于所述第一分類任務(wù)的分類結(jié)果響應(yīng)所述第一分類任務(wù)的分類請(qǐng)求。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：當(dāng)所述增量圖像分類模型識(shí)別出的類型滿足以下條件至少之一時(shí)，生成所述待分類圖像屬于所述第三背景類型的分類結(jié)果：

所述增量圖像分類模型識(shí)別出的類型為任一種所述第二基礎(chǔ)類型、且與所述第三基礎(chǔ)類型不具有映射關(guān)系；

所述增量圖像分類模型識(shí)別出的類型為任一種所述第一基礎(chǔ)類型、且與所述第三基礎(chǔ)類型不具有映射關(guān)系；

所述增量圖像分類模型識(shí)別出的類型是所述第二背景類型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述方法還包括：

接收所述第二分類任務(wù)的分類請(qǐng)求；

通過所述基礎(chǔ)圖像分類模型對(duì)待分類圖像進(jìn)行分類處理；

將所述基礎(chǔ)圖像分類模型識(shí)別出的類型，作為所述第二分類任務(wù)的分類結(jié)果；

基于所述第二分類任務(wù)的分類結(jié)果響應(yīng)所述第二分類任務(wù)的分類請(qǐng)求。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，

在通過增量圖像分類模型對(duì)待分類圖像進(jìn)行分類處理之前，所述方法還包括：

在所述基礎(chǔ)圖像分類模型中的全連接層中增加分類器；

其中，所述分類器用于識(shí)別所述第一分類任務(wù)需要識(shí)別、且所述基礎(chǔ)圖像分類模型無法識(shí)別的第二基礎(chǔ)類型，得到初始化的所述增量圖像分類模型；

獲取用于訓(xùn)練所述基礎(chǔ)圖像分類模型的第一圖像樣本集合、以及用于訓(xùn)練所述增量圖像分類模型的第二圖像樣本集合；

通過所述第二圖像樣本集合，生成初始化的所述增量圖像分類模型的全連接層中用于識(shí)別所述第二基礎(chǔ)類型的分類器的初始參數(shù)；

對(duì)所述第一圖像樣本集合中的第一背景類型的圖像樣本進(jìn)行樣本標(biāo)注處理，并將標(biāo)注處理結(jié)果應(yīng)用于所述第二圖像樣本集合，得到更新后的第二圖像樣本集合；

基于所述更新后的第二圖像樣本集合，對(duì)所述增量圖像分類模型進(jìn)行多輪次訓(xùn)練，以在初始化的所述增量圖像分類模型的基礎(chǔ)上得到訓(xùn)練后的增量圖像分類模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

所述獲取用于訓(xùn)練所述基礎(chǔ)圖像分類模型的第一圖像樣本集合，包括：

獲取第一基礎(chǔ)類型的圖像樣本、所述第一背景類型的圖像樣本，以組成所述第一圖像樣本集合；

其中，所述第一背景類型是除了所述第一基礎(chǔ)類型之外的類型；

所述獲取用于訓(xùn)練所述增量圖像分類模型的第二圖像樣本集合，包括：

獲取所述第一基礎(chǔ)類型的圖像樣本、所述第二基礎(chǔ)類型的圖像樣本、第二背景類型的圖像樣本，以組成所述第二圖像樣本集合；

其中，所述第二背景類型是除所述第一基礎(chǔ)類型以及所述第二基礎(chǔ)類型的之外的類型。