[發明專利]圖像分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110372852.3
• 申請日: 2021-04-07
• 公開（公告）號: CN113033689A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 申嘯塵;周有喜
• 申請（專利權）人: 新疆愛華盈通信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市嘉勤知識產權代理有限公司 44651
• 代理人: 王敏生

1.一種圖像分類方法，其特征在于，包括：

獲取圖像；

將所述圖像輸入預先訓練的分類模型；

接收所述分類模型對所述圖像的分類結果，并輸出所述分類結果；

所述預先訓練分類模型的步驟包括：建立原始分類模型，并獲取樣本數據集，所述原始分類模型具有損失函數，所述樣本數據集內的樣本數據具有預設數量的類別標簽，每個所述類別標簽為對應類別的確定標簽或否定標簽；將所述樣本數據集內的樣本數據分批次輸入所述原始分類模型進行訓練；接收所述交叉熵損失函數對每批次樣本數據計算的所述確定標簽及所述否定標簽的損失值；對每批次樣本數據的確定標簽及否定標簽的損失值進行平衡，直至所有批次中，所述確定標簽及所述否定標簽的損失值占比相同，并計算每批次樣本數據的平衡損失值；利用所有的所述平衡損失值作為總損失值對所述原始分類模型進行優化，直至所述確定標簽的損失值占比不再降低，得到分類模型。

2.根據權利要求1所述的圖像分類方法，其特征在于，

所述對每批次樣本數據的確定標簽及否定標簽的損失值進行平衡，直至所有批次中，所述確定標簽及所述否定標簽的損失值占比相同，并計算每批次樣本數據的平衡損失值，包括：

獲取一個批次內，每個所述樣本數據的確定標簽的數量；

利用所述預設數量減去所述確定標簽的數量，得到每個樣本數據否定標簽的數量；

將所有所述確定標簽的損失值相加后，除以所述確定標簽的數量，得到第一損失值；

將所有所述否定標簽的損失值相加后，除以所述否定標簽的數量，得到第二損失值；

計算所述預設數量的二分之一值，將所述二分之一值分別乘以所述第一損失值及所述第二損失值，以使所述確定標簽及所述否定標簽的損失值占比相同，并得到第一積值及第二積值；

將所述第一積值及所述第二積值相加，得到一個樣本數據的損失值；利用計算所述一個樣本數據的損失值的步驟，計算所述一個批次內，所有樣本數據的損失值，并將所有損失值相加，再除以所述一個批次內樣本數據的數量，得到所述一個批次樣本數據的平衡損失值；

利用所述平衡損失值的計算步驟，計算所述樣本數據集內，所有批次樣本數據的平衡損失值。

3.根據權利要求1所述的圖像分類方法，其特征在于，

在得到所述分類模型后，所述預先訓練分類模型的步驟還包括：

獲取所述樣本數據集，并將其內的樣本數據分批次輸入所述分類模型；

接收所述分類模型的損失函數計算每個所述樣本數據的確定標簽及否定標簽的損失值；

降低所述確定標簽的總損失值占比，并計算降低占比后的所述確定標簽的總損失值，及計算所述否定標簽的總損失值；

固定降低后的所述確定標簽的損失值占比；

重復所述總損失值的計算步驟，計算所有批次所述樣本數據的總損失值；

利用每個批次的所述總損失值替換相應批次的所述平衡損失值，對所述分類模型進行優化。

4.根據權利要求3所述的圖像分類方法，其特征在于，

所述降低所述確定標簽的損失值的占比包括：

將一個所述樣本數據的所有所述確定標簽的損失值相加后，除以所述確定標簽的數量，得到第三損失值；

將所述預設數量乘以預設的第一系數，并乘以所述第三損失值，以得到第三積值，并降低所述確定標簽的損失值占比，且固定降低后的所述損失值占比，所述第一系數小于所述預設數量的二分之一值。

5.根據權利要求4所述的圖像分類方法，其特征在于，

所述計算降低占比后的所述確定標簽及所述否定標簽的總損失值，包括：

獲取所述第三積值；

將所有所述否定標簽的損失值相加后，除以所述否定標簽的數量，得到第四損失值；

將所述預設數量乘以預設的第二系數，并乘以所述第四損失值，得到第四積值，所述第二系數為一和所述第一系數的差值；

將所述第三積值及所述第四積值相加得到總損失值。