[發明專利]基于多級標簽的圖像識別模型訓練方法、裝置

有效

• 申請號: 202210888906.6
• 申請日: 2022-07-27
• 公開（公告）號: CN115375963B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 王遠航;王靜宇;李蹊;李建華;李浩浩;張昆鵬;梅一多
• 申請（專利權）人: 中關村科學城城市大腦股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/047;G06N3/084
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 孫姣

1.一種基于多級標簽的圖像識別模型訓練方法，包括：

對樣本圖像集進行多級標注，得到所述樣本圖像集中每個樣本圖像的三級標簽，所述三級標簽包括一級標簽、二級標簽、三級標簽；

構建初始圖像識別網絡，所述初始圖像識別網絡包括輸入層、中間層和一級輸出層；

基于所述樣本圖像集和所述樣本圖像集中的樣本圖像對應的一級標簽，以第一學習率對所述初始圖像識別網絡進行訓練，得到一階段圖像識別網絡；

將所述一階段圖像識別網絡的一級輸出層刪除，并添加第一全連接層和二級輸出層，得到處理后一階段圖像識別網絡；

基于所述樣本圖像集和所述樣本圖像集中的樣本圖像對應的一級標簽和二級標簽，以第二學習率對所述處理后一階段圖像識別網絡進行訓練，得到二階段圖像識別網絡，所述第二學習率小于所述第一學習率；

將所述二階段圖像識別網絡中的二級輸出層刪除，并添加第二全連接層和三級輸出層，得到處理后二階段圖像識別網絡；

基于所述樣本圖像集和所述樣本圖像集中的樣本圖像對應的一級標簽、二級標簽和三級標簽，以第三學習率對所述處理后二階段圖像識別網絡進行訓練，得到所述圖像識別模型，所述第三學習率小于所述第二學習率；其中，所述一級輸出層所包含的神經元個數等于所述一級標簽對應的類別數目，所述二級輸出層所包含的神經元個數等于所述二級標簽對應的類別數目，所述三級輸出層所包含的神經元個數等于所述三級標簽對應的類別數目；其中，在所述構建初始圖像識別網絡之前，所述方法還包括：

對于每個樣本圖像的三級標簽，確定所述樣本圖像的一級標簽是否包含所述樣本圖像的二級標簽，以及所述樣本圖像的二級標簽是否包含所述樣本圖像的三級標簽；

響應于確定所述樣本圖像的一級標簽包含所述樣本圖像的二級標簽，且所述樣本圖像的二級標簽包含所述樣本圖像的三級標簽，輸出所述樣本圖像的三級標簽正確的提示信息；

響應于確定所述樣本圖像的一級標簽不包含所述樣本圖像的二級標簽，或者所述樣本圖像的二級標簽不包含所述樣本圖像的三級標簽，輸出所述樣本圖像的三級標簽不正確的提示信息，以及對所述樣本圖像的三級標簽進行校正，得到校驗后的三級標簽。

2.根據權利要求1所述的方法，其中，所述對所述樣本圖像的三級標簽進行校正，得到校驗后的三級標簽，包括：

分別以所述一級標簽對應的類別數目、所述二級標簽對應的類別數目、所述三級標簽對應的類別數目作為簇數，對所述樣本圖像集進行三次聚類，得到三個聚類結果，所述三個聚類結果包括第一聚類結果、第二聚類結果和第三聚類結果；

基于所述第一聚類結果、所述第二聚類結果和所述第三聚類結果進行校驗，以對所述樣本圖像的三級標簽進行校正，得到校驗后的三級標簽。

3.根據權利要求2所述的方法，其中，所述基于所述第一聚類結果、所述第二聚類結果和所述第三聚類結果進行校驗，以對所述樣本圖像的三級標簽進行校正，得到校驗后的三級標簽，包括：

對于每個樣本圖像的一級標簽，確定所述一級標簽與所述第一聚類結果中、所述樣本圖像所在的簇對應的一級標簽是否一致，若不一致，將所述樣本圖像所在的簇對應的一級標簽確定為所述樣本圖像的一級標簽；

對于所述樣本圖像的二級標簽，確定所述二級標簽與所述第二聚類結果中、所述樣本圖像所在的簇對應的二級標簽是否一致，若不一致，將所述樣本圖像所在的簇對應的二級標簽確定為所述樣本圖像的二級標簽；

對于所述樣本圖像的三級標簽，確定所述三級標簽與所述第三聚類結果中、所述樣本圖像所在的簇對應的三級標簽是否一致，若不一致，將所述樣本圖像所在的簇對應的三級標簽確定為所述樣本圖像的三級標簽。