图像分类模型训练方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种图像分类模型训练方法、装置、计算机设备及存储介质，属于图像处理技术领域。本申请通过获取图像分类模型的输出各个图像的分类结果，在图像分类模型输出的分类结果不满足参考条件时，基于该图像分类模型输出的分类结果构造参考分类结果，由于参考分类结果可以指示图像属于各个类别的概率，因此基于各个图像的分类结果与参考分类结果之间的总误差值，来更新图像分类模型的参数，获取训练好的图像分类模型，该训练好的图像分类模型可以基于输入图像，直接输出准确度较高的图像分类结果，降低图像分类模型的图像分类过程复杂度。

【技术实现步骤摘要】
图像分类模型训练方法、装置、计算机设备及存储介质
本申请涉及图像处理
，特别涉及一种图像分类模型训练方法、装置、计算机设备及存储介质。
技术介绍
基于人工智能的图像分类技术可以是按照某个特定标准，例如，图像之间的相似度，把一个图像集分割成不同的类或簇，使得同一个簇内的图像的相似性尽可能大，同时不在同一个簇中的图像的差异性也尽可能地大。在目前的图像分类方法中，通常先由神经网络提取图像特征，再应用分类模块基于图像特征进行图像分类。这种图像分类方法是分布式的，即图像特征提取过程和图像分类过程是相互独立的，这种分布式图像分类方法的复杂度远远大于端到端的图像分类方法的复杂度。因此，如何训练基于端到端的图像分类模型，使图像分类模型可以直接基于图像输出图像分类结果，降低图像分类过程的复杂度是一个重要研究方向。
技术实现思路
本申请实施例提供了一种图像分类模型训练方法、装置、计算机设备及存储介质，可以训练出复杂度较低的图像分类模型。该技术方案如下。一方面，提供了一种图像分类模型训练方法，该方法包括：分别对至少两本文档来自技高网...

【技术保护点】
1.一种图像分类模型训练方法，其特征在于，所述方法包括：/n分别对至少两个第一图像进行图像变换，得到每个第一图像对应的至少两个第二图像；/n将所述至少两个第一图像以及对应的第二图像输入图像分类模型，由所述图像分类模型输出所述至少两个第一图像的分类结果以及对应的第二图像的分类结果；/n响应于各个分类结果满足参考条件，确定所述图像分类模型训练完成，否则，基于所述各个第一图像对应的至少两个第二图像的分类结果，生成所述至少两个第一图像的参考分类结果，所述第一图像的参考分类结果用于指示所述第一图像以及对应的至少两个第二图像属于各个类别的概率；/n基于所述至少两个第一图像的分类结果与所述至少两个第一图像的...

【技术特征摘要】
1.一种图像分类模型训练方法，其特征在于，所述方法包括：
分别对至少两个第一图像进行图像变换，得到每个第一图像对应的至少两个第二图像；
将所述至少两个第一图像以及对应的第二图像输入图像分类模型，由所述图像分类模型输出所述至少两个第一图像的分类结果以及对应的第二图像的分类结果；
响应于各个分类结果满足参考条件，确定所述图像分类模型训练完成，否则，基于所述各个第一图像对应的至少两个第二图像的分类结果，生成所述至少两个第一图像的参考分类结果，所述第一图像的参考分类结果用于指示所述第一图像以及对应的至少两个第二图像属于各个类别的概率；
基于所述至少两个第一图像的分类结果与所述至少两个第一图像的参考分类结果之间的误差值、所述至少两个第一图像对应的第二图像的分类结果与所述至少两个第一图像的参考分类结果之间的误差值，确定总误差值；
基于所述总误差值更新所述图像分类模型的参数。


2.根据权利要求1所述的方法，其特征在于，所述基于所述各个第一图像对应的至少两个第二图像的分类结果，生成所述至少两个第一图像的参考分类结果，包括：
分别对所述各个第一图像对应的至少两个第二图像的分类结果取平均值，得到所述各个第一图像对应的第一参考数据；
将所述各个第一图像对应的第一参考数据以及各个第一参考数据对应的评价数据，得到所述各个第一图像对应的第二参考数据，所述评价数据用于指示所述第一参考数据的准确度；
基于所述第二图像的分类结果的边缘分布信息、参考边缘分布信息以及所述各个第一图像对应的第二参考数据，生成所述各个第一图像对应的所述参考分类结果。


3.根据权利要求2所述的方法，其特征在于，所述将所述各个第一图像对应的第一参考数据以及各个第一参考数据对应的评价数据，得到所述各个第一图像对应的第二参考数据，包括：
对所述各个第一参考数据对应的评价数据取平均值，得到平均评价数据；
基于所述平均评价数据的梯度分别对所述各个第一参考数据进行调整，得到所述各个第一图像对应的第二参考数据。


4.根据权利要求3所述的方法，其特征在于，所述各个第一参考数据对应的评价数据由评价器基于所述各个第一参考数据生成，所述评价器用于确定所述第一参考数据的准确度；
所述对所述各个第一参考数据对应的评价数据取平均值，得到平均评价数据之前，所述方法还包括：
基于所述各个第一参考数据以及所述各个第一参考数据的参考分布信息，对所述评价器进行训练，所述第一参考数据的参考分布信息用于指示所述第一参考数据中各个元素的参考值。


5.根据权利要求2所述的方法，其特征在于，所述基于所述第二图像的分类结果的边缘分布信息、参考边缘分布信息以及所述各个第一图像对应的第二参考数据，生成所述各个第一图像对应的所述参考分类结果，包括：
基于所述第二图像的分类结果的边缘分布信息以及所述参考边缘分布信息，确定权重向量；
将所述各个第一图像对应的第二参考数据与所述权重向量中相同位置的元素相乘，得到调整后的第二参考数据；
对所述调整后的第二参考数据进行归一化处理，生成所述参考分类结果。


6.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个第一图像的分类结果与所述至少两个第一图像的参考分类结果之间的误差值、所述至少两个第一图像对应的第二图像的分类结果与所述至少两个第一图像的参考分类结果之间的误差值，确定总误差值，包括：
对于任一第一图像，获取所述任一第一图像的参考分类结果与所述任一第一图像的分类结果的相对熵，作为所述任一第一图像对应的第一误差值；
对于任一第一图像，获取所述任一第一图像的参考分类结果与所述任一第一图像对应的各个第二图像的分类结果的相对熵之和，作为所述任一第一图像的第二误差值；
对至少两个第一误差值以及至少两个第二误差值之和取平均，得到所述总误差值。


7.根据权利要求1所述的方法，其特征在于，所述将所述至少两个第一图像以及对应的第二图像输入图像分类模型，由所述图像分类模型输出所述至少两个第一图像的分类结果以及对应的第二图像的分类结果之后，所述方法还包括：
获取所述各个第一图像与所述各个第一图像的分类结果之间的第一互信息；...

【专利技术属性】
技术研发人员：卢东焕，赵俊杰，马锴，郑冶枫，
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