[發明專利]一種圖像分類方法、裝置、服務器及計算機可讀存儲介質

有效

• 申請號: 202011212957.4
• 申請日: 2020-11-04
• 公開（公告）號: CN112036514B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 喬凌峰;鄭旭平;陳馳宇
• 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;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種圖像分類方法，其特征在于，包括：

通過目標訓練數據集對第二缺陷分類模型進行訓練，以優化所述第二缺陷分類模型的多個模型參數，得到第一缺陷分類模型；所述目標訓練數據集中的缺陷區域樣本圖像包括：與目標對象關聯的第一缺陷區域樣本圖像，以及與所述目標對象的輔助對象關聯的第二缺陷區域樣本圖像；

獲取待分類圖像，并從所述待分類圖像中提取缺陷區域圖像；

通過所述第一缺陷分類模型對所述缺陷區域圖像進行分類，得到所述缺陷區域圖像的初始缺陷分類結果，其中，所述第二缺陷分類模型包括特征提取模塊、缺陷分類模塊和產品分類模塊，所述特征提取模塊用于在訓練過程中與所述產品分類模塊進行對抗，按照減小所述產品分類模塊判別產品類別能力的方向，提取所述目標訓練數據集中缺陷區域樣本圖像的圖像特征，所述缺陷分類模塊用于在訓練過程中與所述特征提取模塊進行對抗，按照增大所述產品分類模塊判別產品類別能力的方向，根據所述圖像特征確定所述目標訓練數據集中缺陷區域樣本圖像的缺陷預測標簽，所述產品分類模塊用于根據所述圖像特征確定所述目標訓練數據集中缺陷區域樣本圖像的產品預測標簽；

依照分類調整規則調整所述初始缺陷分類結果，以確定所述缺陷區域圖像的目標缺陷分類結果。

2.根據權利要求1所述的方法，其特征在于，所述通過目標訓練數據集對第二缺陷分類模型進行訓練，以優化第二缺陷分類模型的多個模型參數，得到第一缺陷分類模型之前，所述方法還包括：

獲取訓練數據集，其中，所述訓練數據集包括目標數據集和輔助數據集；

對所述訓練數據集進行預處理，確定目標訓練數據集。

3.根據權利要求2所述的方法，其特征在于，所述目標數據集包括第一目標數據集和第二目標數據集，所述第一目標數據集包括至少一個標注有產品標簽和缺陷標簽的第一圖像；所述第二目標數據集包括至少一個標注有產品標簽的第二圖像，所述第一圖像和所述第二圖像均為與目標對象關聯的圖像；所述輔助數據集包括至少一個標注有產品標簽和缺陷標簽的第三圖像，所述第三圖像與所述目標對象的輔助對象關聯。

4.根據權利要求3所述的方法，其特征在于，所述對所述訓練數據集進行預處理，確定目標訓練數據集，包括：

從所述訓練數據集包括的訓練圖像中提取缺陷區域樣本圖像，所述訓練圖像包括所述第一圖像、所述第二圖像和所述第三圖像；

根據標簽合并規則對所述第一圖像和所述第三圖像對應的缺陷標簽集進行合并處理，以確定出目標缺陷標簽集；

依照所述目標缺陷標簽集中的目標缺陷標簽更新所述第一圖像和所述第三圖像各自對應的缺陷標簽；

根據所述缺陷區域樣本圖像、所述缺陷區域樣本圖像對應的產品標簽和更新后的所述第一圖像和所述第三圖像各自對應的缺陷標簽，確定目標訓練數據集。

5.根據權利要求1所述的方法，其特征在于，所述多個模型參數包括所述特征提取模塊的第一模型參數、所述缺陷分類模塊的第二模型參數和所述產品分類模塊的第三模型參數；所述通過目標訓練數據集對第二缺陷分類模型進行訓練，以優化所述第二缺陷分類模型的多個模型參數，得到第一缺陷分類模型，包括：

通過所述目標訓練數據集和參數優化規則對所述第二缺陷分類模型的多個模型參數進行優化，確定優化后的所述多個模型參數；

從優化后的所述多個模型參數中提取優化后的所述第一模型參數和優化后的所述第二模型參數；

根據優化后的所述第一模型參數和優化后的所述第二模型參數確定第一缺陷分類模型，其中，所述第一缺陷分類模型包括所述特征提取模塊和所述缺陷分類模塊。

6.根據權利要求1所述的方法，其特征在于，所述從所述待分類圖像中提取缺陷區域圖像，包括：

識別所述待分類圖像中缺陷區域的位置信息；

依照所述位置信息從所述待分類圖像中提取缺陷區域圖像。