[發明專利]圖像識別模型的訓練方法、裝置及設備

在審

• 申請號: 202110367654.8
• 申請日: 2021-04-06
• 公開（公告）號: CN112766427A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張培堯;劉樹春;張飛云;高巍;邵蔚元
• 申請（專利權）人: 浙江口碑網絡技術有限公司;口碑（上海）信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/289
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 周嗣勇

1.一種圖像識別模型的訓練方法，所述方法包括：

利用初始數據集確定出訓練數據集后，循環執行以下步驟直到圖像識別模型滿足模型性能條件：

利用訓練數據集對圖像識別模型進行訓練；所述訓練數據集包括多張訓練圖像，每張所述訓練圖像對應有圖像類別；

利用訓練后的圖像識別模型對多張驗證圖像進行分類識別，并將識別結果與所述驗證圖像的實際圖像類別進行對比；

基于對比結果確定出相似的至少兩個圖像類別后，將文本相似度滿足相似度條件的圖像類別合并為一個圖像類別，將合并后的數據集確定為新的訓練數據集。

2.根據權利要求1所述的方法，若所述圖像識別模型將所述驗證圖像的實際圖像類別識別為目標圖像類別，所述實際圖像類別與目標圖像類別的相似度，與所述圖像識別模型將所述實際圖像類別識別為所述目標圖像類別的次數正相關。

3.根據權利要求2所述的方法，所述根據對比結果獲取相似的至少兩個圖像類別，包括：

針對每個實際圖像類別，計算圖像識別模型將該實際圖像類別識別為目標圖像類別的識別錯誤率；

將識別錯誤率滿足設定閾值的實際圖像類別與目標圖像類別，確定為相似的兩個圖像類別。

4.根據權利要求1所述的方法，所述將文本相似度滿足相似度條件的圖像類別合并為一個圖像類別，包括：

對所述相似的至少兩個圖像類別中每個圖像類別進行文本分詞；

基于文本分詞結果的相似度，確定所述相似的至少兩個圖像類別中各圖像類別的文本相似度，將文本相似度滿足相似度條件的圖像類別合并為一個圖像類別。

5.根據權利要求1所述的方法，通過如下方式利用初始數據集確定出訓練數據集：

獲取初始數據集中各圖像對應的原始類別名稱的文本特征后，利用文本特征的相似度，對各原始類別名稱進行文本聚類，獲得多個初始圖像類別；

根據文本聚類后的類別名稱，獲取各圖像的圖像特征后，利用圖像特征的相似度，利用所述多個初始圖像類別下的各圖像進行圖像聚類，獲得所述訓練數據集。

6.根據權利要求5所述的方法，所述對所述多個初始圖像類別下的各圖像進行圖像聚類，包括：

分別對每個初始圖像類別下各圖像進行圖像聚類，獲得每個初始圖像類別的聚類中心圖像；

計算不同初始圖像類別的聚類中心圖像的相似度，將聚類中心圖像的相似度滿足聚類條件的不同初始圖像類別合并為同一個圖像類別。

7.根據權利要求6所述的方法，在獲得每個初始圖像類別的聚類中心圖像后，還包括如下對任一初始圖像類別的圖像去噪處理：

計算初始圖像類別下的目標圖像與聚類中心圖像的相似度，將相似度低于設定閾值的目標圖像從所述初始圖像類別中濾除；其中，所述目標圖像為所述初始圖像類別下除所述聚類中心圖像之外的其他任意圖像。

8.一種圖像識別模型的訓練裝置，所述裝置包括：

數據集處理模塊，用于：利用初始數據集確定出訓練數據集；

訓練模塊，用于：循環執行以下處理直到圖像識別模型滿足模型性能條件：

利用訓練數據集對圖像識別模型進行訓練；所述訓練數據集包括多張訓練圖像，每張所述訓練菜品圖像對應有圖像類別；

利用訓練后的圖像識別模型對多張驗證圖像進行分類識別，并將識別結果與所述驗證圖像的實際圖像類別進行對比；

基于對比結果確定出相似的至少兩個圖像類別后，將文本相似度滿足相似度條件的圖像類別合并為一個圖像類別，將合并后的數據集確定為新的訓練數據集。

9.根據權利要求8所述的裝置，若所述圖像識別模型將所述驗證圖像的實際圖像類別識別為目標圖像類別，所述實際圖像類別與目標圖像類別的相似度，與所述圖像識別模型將所述實際圖像類別識別為所述目標圖像類別的次數正相關。