[發明專利]圖像分類器的訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202111480191.2
• 申請日: 2021-12-06
• 公開（公告）號: CN114241236A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 李冠楠
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/77;G06V10/774;G06V10/82;G06V10/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 張娜

1.一種圖像分類器的訓練方法，其特征在于，包括：

從樣本圖像集合中獲取一組樣本圖像，所述一組樣本圖像包括N張樣本圖像；

通過神經網絡分別提取所述N張樣本圖像中各樣本圖像的隱含層特征向量，得到N個隱含層特征向量；

基于所述N個隱含層特征向量，計算編碼器的圖像分類損失以及解碼器的特征重構損失；

基于所述圖像分類損失和所述特征重構損失，確定所述圖像分類器的損失函數；

利用所述損失函數對所述圖像分類器進行訓練。

2.根據權利要求1所述的方法，其特征在于，基于所述N個隱含層特征向量，計算編碼器的圖像分類損失，包括：

采用編碼器分別對所述N個隱含層特征向量進行線性變換，得到N個編碼向量；

分別獲取所述N個編碼向量的類別特征向量，得到N個類別特征向量；

分別獲取所述N個類別特征向量中各類別特征向量的樣本標簽；

基于所述N個類別特征向量、所述樣本標簽以及分類損失函數，計算所述圖像分類損失。

3.根據權利要求2所述的方法，其特征在于，所述分類損失函數包括加性角度間隔損失函數和樣本權重系數；

基于所述N個類別特征向量、所述樣本標簽以及分類損失函數，計算所述圖像分類損失，包括：

將所述N個類別特征向量和所述樣本標簽輸入所述加性角度間隔損失函數，得到加性角度間隔損失值；

計算所述加性角度間隔損失值與所述樣本權重系數的乘積值；

將所述乘積值作為所述圖像分類損失。

4.根據權利要求1所述的方法，其特征在于，基于所述N個隱含層特征向量，計算解碼器的特征重構損失，包括：

采用編碼器分別對所述N個隱含層特征向量進行線性變換，得到N個編碼向量；

分別獲取所述N個編碼向量的類別特征向量，得到N個類別特征向量；

采用所述解碼器分別對所述N個類別特征向量進行解碼，得到N個重構特征向量；

基于所述N個重構特征向量、所述N個隱含層特征向量和特征重構損失函數，計算所述特征重構損失。

5.根據權利要求2或4所述的方法，其特征在于，分別獲取所述N個編碼向量的類別特征向量，得到N個類別特征向量，包括：

對于所述N個類別特征向量中的任一類別特征向量執行以下處理：

計算所述編碼向量的反余弦向量；

將所述反余弦向量作為所述編碼向量對應的類別特征向量。

6.根據權利要求1所述的方法，其特征在于，基于所述圖像分類損失和所述特征重構損失，確定所述圖像分類器的損失函數，包括：

確定預設學習系數與所述特征重構損失的乘積值；

確定所述乘積值和所述圖像分類損失的和為所述圖像分類器的損失函數。

7.根據權利要求1所述的方法，其特征在于，從樣本圖像集合中獲取一組樣本圖像，包括：

確定所述樣本圖像集合中的樣本類別；

從各樣本類別的樣本圖像中，分別選取預設數量的樣本圖像作為所述一組樣本圖像。

8.一種圖像分類器的訓練裝置，其特征在于，包括：

獲取單元，用于從樣本圖像集合中獲取一組樣本圖像，所述一組樣本圖像包括N張樣本圖像；

提取單元，用于通過神經網絡分別提取所述N張樣本圖像中各樣本圖像的隱含層特征向量，得到N個隱含層特征向量；

計算單元，用于基于所述N個隱含層特征向量，計算編碼器的圖像分類損失以及解碼器的特征重構損失；

確定單元，用于基于所述圖像分類損失和所述特征重構損失，確定所述圖像分類器的損失函數；

訓練單元，用于利用所述損失函數對所述圖像分類器進行訓練。