图像分类方法及装置制造方法及图纸

本申请提供了一种图像分类方法、装置、电子设备及计算机可读存储介质；涉及人工智能领域中的图像处理技术，方法包括：获取至少两种不同模态的训练图像、以及所述训练图像对应的标签；对所述至少两种不同模态的训练图像进行混合处理，得到虚拟模态图像；对所述至少两种不同模态的训练图像对应的标签进行混合处理，得到所述虚拟模态图像对应的标签；根据所述至少两种不同模态的训练图像、所述虚拟模态图像、以及分别对应的标签，对图像分类模型进行训练；根据训练后的所述图像分类模型执行图像分类任务。通过本申请，能够提升图像分类模型对于新模态图像的识别能力。

【技术实现步骤摘要】
图像分类方法及装置
本申请涉及人工智能
，尤其涉及一种图像分类方法、装置、电子设备及计算机可读存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。其中，图像处理技术是人工智能技术中的重要分支。通过图像处理技术，可以根据图像中包括的内容，基于图像分类模型对图像进行分类。然而，由于实际应用场景的复杂性，例如对于一个动物图像分类模型，图像的类型可能是真实照片、也可能是卡通动画。使用真实照片进行训练得到的动物图像分类模型，拟合的是真实照片中动物的数据分布，而卡通动画中动物的数据分布显然是与真实照片不同的。在这种情况下，使用真实照片当作训练数据得到的动物图像分类模型，就无法解决对于卡通动画中动物的分类问题。也就是说，相关技术提供的图像分类本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，所述方法包括：/n获取至少两种不同模态的训练图像、以及所述训练图像对应的标签；/n对所述至少两种不同模态的训练图像进行混合处理，得到虚拟模态图像；/n对所述至少两种不同模态的训练图像对应的标签进行混合处理，得到所述虚拟模态图像对应的标签；/n根据所述至少两种不同模态的训练图像、所述虚拟模态图像、以及分别对应的标签，对图像分类模型进行训练；/n根据训练后的所述图像分类模型执行图像分类任务。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：
获取至少两种不同模态的训练图像、以及所述训练图像对应的标签；
对所述至少两种不同模态的训练图像进行混合处理，得到虚拟模态图像；
对所述至少两种不同模态的训练图像对应的标签进行混合处理，得到所述虚拟模态图像对应的标签；
根据所述至少两种不同模态的训练图像、所述虚拟模态图像、以及分别对应的标签，对图像分类模型进行训练；
根据训练后的所述图像分类模型执行图像分类任务。


2.根据权利要求1所述的方法，其特征在于，所述对所述至少两种不同模态的训练图像进行混合处理，包括：
确定每种模态的训练图像分别对应的加权系数；
根据所述加权系数对所述至少两种不同模态的训练图像进行加权求和处理。


3.根据权利要求2所述的方法，其特征在于，所述对所述至少两种不同模态的训练图像对应的标签进行混合处理，包括：
根据所述每种模态的训练图像分别对应的加权系数，对所述至少两种不同模态的训练图像对应的标签进行加权求和处理。


4.根据权利要求2所述的方法，其特征在于，所述确定每种模态的训练图像分别对应的加权系数，包括：
对贝塔分布进行随机采样，根据得到的采样值确定每种模态的训练图像分别对应的加权系数。


5.根据权利要求2所述的方法，其特征在于，所述根据所述加权系数对所述至少两种不同模态的训练图像进行加权求和处理，包括：
确定每种模态的训练图像中相同坐标的像素点；
根据所述相同坐标的像素点所在训练图像对应的加权系数，对所述相同坐标的像素点进行加权求和处理。


6.根据权利要求5所述的方法，其特征在于，所述确定每种模态的训练图像中相同坐标的像素点之前，所述方法还包括：
对所述至少两种不同模态的训练图像的尺度进行调整处理，以使调整后的所述至少两种不同模态的训练图像的尺度保持一致。


7.根据权利要求1-2任一项所述的方法，其特征在于，所述根据所述至少两种不同模态的训练图像、所述虚拟模态图像、以及分别对应的标签，对图像分类模型进行训练，...

【专利技术属性】
技术研发人员：李岩，康斌，
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