[發明專利]圖像分類模型訓練方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202010781930.0
• 申請日: 2020-08-06
• 公開（公告）號: CN111738365B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 盧東煥;趙俊杰;馬鍇;鄭冶楓
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 張所明

1.一種圖像分類模型訓練方法，其特征在于，所述方法包括：

分別對至少兩個第一圖像進行圖像變換，得到每個第一圖像對應的至少兩個第二圖像；

將所述至少兩個第一圖像以及對應的第二圖像輸入圖像分類模型，由所述圖像分類模型輸出所述至少兩個第一圖像的分類結果以及對應的第二圖像的分類結果；

響應于各個分類結果滿足參考條件，確定所述圖像分類模型訓練完成，否則，分別對各個第一圖像對應的至少兩個第二圖像的分類結果取平均值，得到所述各個第一圖像對應的第一參考數據，基于所述各個第一圖像對應的第一參考數據以及各個第一參考數據對應的評價數據，得到所述各個第一圖像對應的第二參考數據，所述評價數據用于指示所述第一參考數據的準確度，基于所述第二圖像的分類結果的邊緣分布信息、參考邊緣分布信息以及所述各個第一圖像對應的第二參考數據，生成所述各個第一圖像的參考分類結果，所述第一圖像的參考分類結果用于指示所述第一圖像以及對應的至少兩個第二圖像屬于各個類別的概率；

基于所述至少兩個第一圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值、所述至少兩個第一圖像對應的第二圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值，確定總誤差值；

基于所述總誤差值更新所述圖像分類模型的參數。

2.根據權利要求1所述的方法，其特征在于，所述基于所述各個第一圖像對應的第一參考數據以及各個第一參考數據對應的評價數據，得到所述各個第一圖像對應的第二參考數據，包括：

對所述各個第一參考數據對應的評價數據取平均值，得到平均評價數據；

基于所述平均評價數據的梯度分別對所述各個第一參考數據進行調整，得到所述各個第一圖像對應的第二參考數據。

3.根據權利要求2所述的方法，其特征在于，所述各個第一參考數據對應的評價數據由評價器基于所述各個第一參考數據生成，所述評價器用于確定所述第一參考數據的準確度；

所述對所述各個第一參考數據對應的評價數據取平均值，得到平均評價數據之前，所述方法還包括：

基于所述各個第一參考數據以及所述各個第一參考數據的參考分布信息，對所述評價器進行訓練，所述第一參考數據的參考分布信息用于指示所述第一參考數據中各個元素的參考值。

4.根據權利要求1所述的方法，其特征在于，所述基于所述第二圖像的分類結果的邊緣分布信息、參考邊緣分布信息以及所述各個第一圖像對應的第二參考數據，生成所述各個第一圖像的參考分類結果，包括：

基于所述第二圖像的分類結果的邊緣分布信息以及所述參考邊緣分布信息，確定權重向量；

將所述各個第一圖像對應的第二參考數據與所述權重向量中相同位置的元素相乘，得到調整后的第二參考數據；

對所述調整后的第二參考數據進行歸一化處理，生成所述參考分類結果。

5.根據權利要求1所述的方法，其特征在于，所述基于所述至少兩個第一圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值、所述至少兩個第一圖像對應的第二圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值，確定總誤差值，包括：

對于任一第一圖像，獲取所述任一第一圖像的參考分類結果與所述任一第一圖像的分類結果的相對熵，作為所述任一第一圖像對應的第一誤差值；

對于任一第一圖像，獲取所述任一第一圖像的參考分類結果與所述任一第一圖像對應的各個第二圖像的分類結果的相對熵之和，作為所述任一第一圖像的第二誤差值；

對至少兩個第一誤差值以及至少兩個第二誤差值之和取平均，得到所述總誤差值。