一种基于人工智能的图像分类训练方法、装置及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于人工智能的图像分类训练方法、装置及存储介质，应用于人工智能的机器学习技术领域。分类训练装置会先选定训练集，并根据草图分类模型确定训练集中的草图的类别，且可以根据真实图鉴别器对草图分类模型中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；然后固定真实图分类模型和草图鉴别器，根据草图的类别和第二草图特征鉴别结果对草图分类模型的固定参数值进行调整。这样，在对某一分类模型即草图分类模型的固定参数值进行调整时，不仅会参考该分类模型对相应图像进行分类的误差，还会借鉴另一分类模型即固定的真实图分类模型在分类过程中的有用信息，从而使得调整后的草图分类模型的分类计算更准确。

A training method, device and storage medium of image classification based on Artificial Intelligence

【技术实现步骤摘要】
一种基于人工智能的图像分类训练方法、装置及存储介质本申请要求申请日为2017年12月12日、申请号为CN201711322612.2、专利技术名称为“一种分类训练方法、装置及存储介质”的专利申请的分案申请，该母案申请的全部内容通过引用结合在本申请中。
本专利技术涉及人工智能的机器学习
，特别涉及一种基于人工智能的图像分类训练方法、装置及存储介质。
技术介绍
草图识别可以应用于许多领域，比如应用于儿童早期教育中，可以基于手绘草图进行类型识别和同一类别的检索，对儿童的发散思维和图形理解能力的成长非常重要；也可以用于其它的图形检索系统中。具体地，用户可以通过终端设备输入手绘草图并发送到后台服务器，由后台服务器根据预先训练好的分类器比如支持向量机(SupportVectorMachine，SVM)，或者预先训练好的分类网络，对接收的手绘草图进行类型识别。为了保证对手绘草图识别的准确性，就需要保证预先训练好的分类器或分类网络的精确性，因此，训练分类器或分类网络的过程就比较重要。现有技术中，在训练分类器或分类网络时，主要是根据大量的预先标记好类别的草图的特征信息进行训练得到。但是，会由于草图的训练样本稀缺导致训练的分类器或分类网络或多或少地出现过拟合或者欠拟合的问题，进而影响到对手绘草图的类型识别的准确性。
技术实现思路
本专利技术实施例提供一种基于人工智能的图像分类训练方法、装置及存储介质，实现了固定真实图分类模型时，调整草图分类模型的固定参数值。本专利技术实施例第一方面提供一种基于人工智能的图像分类训练方法，包括：确定草图分类模型和真实图分类模型，及确定草图鉴别器和真实图鉴别器；选定训练集，所述训练集包括多个类别的图像对，任一类别的图像对中包括同一类别的草图和真实图；根据所述草图分类模型确定所述训练集中草图的类别，根据所述真实图鉴别器对草图分类模型在确定草图类型过程中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；固定所述真实图分类模型和草图鉴别器，根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整。本专利技术实施例第二方面还提供一种分类训练装置，包括：模型确定单元，用于确定草图分类模型和真实图分类模型，及确定草图鉴别器和真实图鉴别器；训练集单元，用于选定训练集，所述训练集包括多个类别的图像对，任一类别的图像对中包括同一类别的草图和真实图；处理单元，用于根据所述草图分类模型确定所述训练集中草图的类别，根据所述真实图鉴别器对草图分类模型在确定草图类型过程中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；固定调整单元，用于固定所述真实图分类模型和草图鉴别器，根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整。本专利技术实施例提供一种存储介质，所述存储介质储存多条指令，所述指令适于由处理器加载并执行如本专利技术实施例第一方面所述的基于人工智能的图像分类训练方法。本专利技术实施例提供一种服务器，包括处理器和存储介质，所述处理器，用于实现各个指令；所述存储介质用于储存多条指令，所述指令用于由处理器加载并执行如本专利技术实施例所述的基于人工智能的图像分类训练方法。可见，在本实施例的方法中，分类训练装置会先选定训练集，并根据草图分类模型确定训练集中的草图的类别，且可以根据真实图鉴别器对草图分类模型中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；然后固定真实图分类模型和草图鉴别器，根据草图的类别和第二草图特征鉴别结果对草图分类模型的固定参数值进行调整。这样，在对某一分类模型(比如草图分类模型)的固定参数值进行调整时，不仅会参考该分类模型对相应图像进行分类的误差，还会借鉴另一分类模型(比如固定的真实图分类模型)在分类过程中的有用信息，从而使得调整后的草图分类模型的分类计算更准确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一个实施例提供的一种基于人工智能的图像分类训练方法的流程图；图2是本专利技术一个实施例中计算各个损失函数的函数值的示意图；图3是本专利技术一个实施例中草图分类模型和真实图分类模型的示意图；图4是本专利技术一个实施例提供的另一种基于人工智能的图像分类训练方法的流程图；图5是本专利技术应用实施例中草图分类模型和真实图分类模型进行分类的示意图；图6是本专利技术应用实施例提供的一种基于人工智能的图像分类训练方法的流程图；图7是本专利技术实施例提供的一种分类训练装置的结构示意图；图8是本专利技术实施例提供的另一种分类训练装置的结构示意图；图9是本专利技术实施例提供的一种服务器的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排它的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本专利技术实施例提供一种基于人工智能的图像分类训练方法，主要是图像分类训练方法，根据已标记类别的草图和已标记类别的真实图，训练得到草图分类模型和真实图分类模型，而训练草图分类模型和真实图分类模型属于人工智能的机器学习(MachineLearning,ML)的过程，其中，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能；机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。具体地，本实施例中由分类训练装置通过如下方法进行训练：确定草图分类模型，草图分类模型中包括第一特征提取模块和第一分类模块，及确定对第二特征提取模块的输出结果进行分析的第二特征分本文档来自技高网...

【技术保护点】
1.一种图像分类训练方法，其特征在于，包括：/n确定草图分类模型和真实图分类模型，及确定草图鉴别器和真实图鉴别器；/n选定训练集，所述训练集包括多个类别的图像对，任一类别的图像对中包括同一类别的草图和真实图；/n根据所述草图分类模型确定所述训练集中草图的类别，根据所述真实图鉴别器对草图分类模型在确定草图类型过程中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；/n固定所述真实图分类模型和草图鉴别器，根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整。/n

【技术特征摘要】
1.一种图像分类训练方法，其特征在于，包括：
确定草图分类模型和真实图分类模型，及确定草图鉴别器和真实图鉴别器；
选定训练集，所述训练集包括多个类别的图像对，任一类别的图像对中包括同一类别的草图和真实图；
根据所述草图分类模型确定所述训练集中草图的类别，根据所述真实图鉴别器对草图分类模型在确定草图类型过程中得到的草图特征进行鉴别，得到第二草图特征鉴别结果；
固定所述真实图分类模型和草图鉴别器，根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整。


2.如权利要求1所述的方法，其特征在于，所述根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整，具体包括：
根据所述草图分类模型确定的草图的类别和第二草图鉴别结果，计算所述草图分类模型的损失函数的函数值；
根据所述损失函数的函数值调整所述草图分类模型的固定参数值。


3.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述真实图分类模型确定所述训练集中真实图的类别，根据所述真实图鉴别器对真实图分类模型确定真实图类型过程中得到的真实图特征进行鉴别，得到第二真实图特征鉴别结果；
固定所述真实图分类模型和草图鉴别器，根据所述第二真实图特征鉴别结果及第二草图特征鉴别结果对所述真实图鉴别器的固定参数值进行调整。


4.如权利要求3所述的方法，其特征在于，所述根据所述第二真实图特征鉴别结果及第二草图特征鉴别结果对所述真实图鉴别器的固定参数值进行调整，具体包括：
根据所述第二真实图特征鉴别结果和第二草图特征鉴别结果，计算所述真实图鉴别器的对抗函数的函数值；
根据所述对抗函数的函数值调整真实图鉴别器的固定参数值。


5.如权利要求3所述的方法，其特征在于，所述固定所述真实图分类模型和草图鉴别器，根据所述草图分类模型确定的草图的类别及第二草图特征鉴别结果对所述草图分类模型的固定参数值进行调整之前，所述方法还包括：
根据所述草图鉴别器对真实图分类模型确定真实图类型过程中得到的真实图特征进行鉴别，得到第一真实图特征鉴别结果；
固定所述草图分类模型和真实图鉴别器，根据所述真实图分类模型确定的真实图的类别和第一真实图特征鉴别结果对所述真实图分类模型的固定参数值进行调整。


6.如权利要求5所述的方法，其特征在于，所述根据所述真实图分类模型确定的真实图的类别和第一真实图特征鉴别结果对所述真实图分类模型的固定参数值进行调整，具体包括：...

【专利技术属性】
技术研发人员：黄飞，马林，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44