[發明專利]圖像分類模型自學習的方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110241737.2
• 申請日: 2021-03-04
• 公開（公告）號: CN112966739A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 宋麗妍;姚新;武曉宇;胡崝
• 申請（專利權）人: 南方科技大學;華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種圖像分類模型自學習的方法，其特征在于，包括：

獲取訓練好的圖像分類模型；

對所述圖像分類模型的輸出層增加輸出節點；

獲取測試圖像并判斷是否屬于所述輸出節點后按預設規則輸入所述圖像分類模型中；

通過所述圖像分類模型分類識別所述測試圖像并進行更新。

2.根據權利要求1中所述的一種圖像分類模型自學習的方法，其特征在于，所述獲取訓練好的圖像分類模型包括：

獲取未訓練的深度學習模型；

通過已標注的圖像數據對所述未訓練的深度學習模型進行訓練以獲取訓練好的圖像分類模型。

3.根據權利要求1中所述的一種圖像分類模型自學習的方法，其特征在于，所述對所述圖像分類模型的輸出層增加輸出節點包括：

通過圖像構造方法生成新的圖像類標；

根據所述圖像類標對所述圖像分類模型的輸出層增加輸出節點。

4.根據權利要求1中所述的一種圖像分類模型自學習的方法，其特征在于，所述獲取測試圖像并判斷是否屬于所述輸出節點后按預設規則輸入所述圖像分類模型中包括：

獲取測試圖像并生成隨機數；

判斷所述隨機數是否大于預設閾值，若是，則判斷所述測試圖像是否屬于所述輸出節點，若否，則將所述測試圖像進行人工標注。

5.根據權利要求4中所述的一種圖像分類模型自學習的方法，其特征在于，判斷所述測試圖像是否屬于所述輸出節點之后還包括：

若是，則將所述測試圖像進行人工標注后輸入所述圖像分類模型中，若否則報告所述測試圖像的分類類型。

6.根據權利要求1中所述的一種圖像分類模型自學習的方法，其特征在于，所述通過所述圖像分類模型分類識別所述測試圖像并進行更新包括：

通過所述圖像分類模型分類識別所述測試圖像并判斷是否存在未知分類；

若是，則進一步增加輸出層節點并將所述測試圖像進行人工標注并更新所述圖像分類模型。

7.根據權利要求6中所述的一種圖像分類模型自學習的方法，其特征在于，還包括：若否，則對所述測試圖像進行圖像數據增強后更新所述圖像分類模型。

8.一種圖像分類模型自學習的裝置，其特征在于，包括：

模型獲取模塊，用于獲取訓練好的圖像分類模型；

模型拓展模塊，用于對所述圖像分類模型的輸出層增加輸出節點；

數據輸入模塊，獲取測試圖像并判斷是否屬于所述輸出節點后按預設規則輸入所述圖像分類模型中；

模型更新模塊，用于通過所述圖像分類模型分類識別所述測試圖像并進行更新。

9.一種電子設備，其特征在于，所述電子設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的圖像分類模型自學習的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序包括程序指令，其特征在于，該程序指令被處理器執行時實現如權利要求1-7中任一所述的圖像分類模型自學習的方法。