[發(fā)明專利]圖像分類方法、裝置、電子設備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110465701.2
• 申請日: 2021-04-28
• 公開（公告）號: CN113159202B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設計）人: 劉杰;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/0475;G06N3/094
• 代理公司: 深圳市沃德知識產(chǎn)權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術，揭露了一種圖像分類方法，包括：獲取原始圖像集，其中，所述原始圖像集中包括有標注圖像集及無標注圖像集，對無標注圖像集中的圖像進行標注猜測，得到標注猜測圖像集，匯總標注猜測圖像集及有標注圖像集，得到圖像訓練集，在預設的圖像分類網(wǎng)絡中構建表征混合層，得到混合圖像分類網(wǎng)絡，利用圖像訓練集對所述混合圖像分類網(wǎng)絡進行訓練，得到標準圖像分類網(wǎng)絡，利用標準圖像分類網(wǎng)絡對待分類圖像進行分類，得到圖像分類結果，此外，本發(fā)明還涉及區(qū)塊鏈技術，所述圖像分類結果可存儲在區(qū)塊鏈的節(jié)點中。本發(fā)明還提出一種圖像分類裝置、電子設備以及計算機可讀存儲介質(zhì)。本發(fā)明可以解決圖像分類準確性較低的問題。

技術領域

本發(fā)明涉及人工智能技術領域，尤其涉及一種圖像分類方法、裝置、電子設備及計算機可讀存儲介質(zhì)。

背景技術

深度學習時代到來后，圖像分類領域出現(xiàn)了一系列的突破，然而，這種突破是建立在有著大規(guī)模有標注數(shù)據(jù)集的基礎上的。而大規(guī)模有標注數(shù)據(jù)集，則是一種奢侈。在類如醫(yī)學圖像領域，圖像標注往往要花費領域專家的大量時間。專家間的認知差異也會導致標注出現(xiàn)噪聲，而為了消除這種噪聲則需要更多的專家進行盲標注。

使用半監(jiān)督學習方法可以減少標注負擔。半監(jiān)督方法可以運用大量無標注的數(shù)據(jù)和少量有標注數(shù)據(jù)來加強模型的性能。但是，半監(jiān)督學習中一個重要的目標是要避免網(wǎng)絡在小規(guī)模的有標注數(shù)據(jù)上出現(xiàn)過擬合。而實現(xiàn)這一目標的一個常用的必要假設則是網(wǎng)絡擬合的函數(shù)的平滑性和一致性，即流形中相近的點應預測出相同的標注。舉例來說，self-ensembling對在有局部擾動的無標注數(shù)據(jù)上出現(xiàn)不一致的預測進行懲罰，而對抗學習通過強制對不同的有著對抗性擾動的輸入的預測相同來維持一致性。但是這些方法只考慮到了圍繞單個數(shù)據(jù)點的擾動，即只對單數(shù)據(jù)點局部的平滑性做出了規(guī)范，并沒有考慮到對不同數(shù)據(jù)點間的網(wǎng)絡的全局平滑性和一致性進行約束，使得網(wǎng)絡性能較低，導致圖像分類準確性較低。

發(fā)明內(nèi)容

本發(fā)明提供一種圖像分類方法、裝置、電子設備及計算機可讀存儲介質(zhì)，其主要目的在于解決圖像分類準確性較低的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種圖像分類方法，包括：

獲取原始圖像集，其中，所述原始圖像集中包括有標注圖像集及無標注圖像集；

對所述無標注圖像集中的圖像進行標注猜測，得到標注猜測圖像集，匯總所述標注猜測圖像集及所述有標注圖像集，得到圖像訓練集；

在預設的圖像分類網(wǎng)絡中構建表征混合層，得到混合圖像分類網(wǎng)絡；

利用所述圖像訓練集對所述混合圖像分類網(wǎng)絡進行訓練，得到標準圖像分類網(wǎng)絡；

利用所述標準圖像分類網(wǎng)絡對待分類圖像進行分類，得到圖像分類結果。

可選地，所述對所述無標注圖像集中的圖像進行標注猜測，得到標注猜測圖像集，包括：

利用預構建的生成對抗網(wǎng)絡，對所述無標注圖像集中的圖像進行預設次數(shù)的數(shù)據(jù)增強處理，得到增強圖像；

利用預設的標注猜測公式對所述增強圖像進行標注猜測，得到標注猜測圖像；

匯總所述標注猜測圖像得到所述標注猜測圖像集。

可選地，所述利用預設的標注猜測公式對所述增強圖像進行標注猜測，得到標注猜測圖像，包括：

利用下述猜測公式對所述增強圖像進行標注猜測，得到標注猜測圖像：

其中，q_b表示無標注圖像的猜測標注，u_b表示無標注圖像集，u_b,m表示無標注圖像集中第m個圖像，f(u_b,m；θ)表示參數(shù)θ的網(wǎng)絡擬合函數(shù)對u_b的第m個圖像為輸入的輸出，M表示數(shù)據(jù)增強的次數(shù)。