多分类模型的训练方法、设备和存储介质技术

本公开提供了多分类模型的训练方法、设备和存储介质，涉及图像分类等人工智能技术领域。具体实现方案为：在对分类模型进行训练的过程中，获取多分类模型对应的未召回样本图像以及未召回样本图像对应的至少一个候选主题类别，并提供未召回样本图像以及对应的至少一个候选主题类别，以及在接收到针对至少一个候选主题类别中的目标主题类型的确认指令时，将未召回样本图像添加到目标主题类别的样本图像集合中，以得到更新后的样本图像集合，并结合更新后的样本图像集合，对多分类模型进行训练。由此，结合未召回样本图像丰富了用于对多分类模型进行训练的样本图像集合，进而可提高分类模型对图像的区分能力。分类模型对图像的区分能力。分类模型对图像的区分能力。

【技术实现步骤摘要】
多分类模型的训练方法、设备和存储介质


[0001]本公开涉及计算机
，具体涉及图像分类等人工智能
，尤其涉及多分类模型的训练方法、设备和存储介质。

技术介绍

[0002]目前，通过分类模型可以将用户相册中相同分类的图像聚合在一起自动创建相册。分类模型分类的准确性对自动图像分类是十分重要的。因此，如何获得一个图像分类准确的多分类模型是目前亟需解决的技术问题。

技术实现思路

[0003]本公开提供了一种用于多分类模型的训练方法、设备和存储介质。
[0004]根据本公开的一方面，提供了一种多分类模型的训练方法，包括：获取多分类模型对应的未召回样本图像以及所述未召回样本图像对应的至少一个候选主题类别；提供所述未召回样本图像以及对应的至少一个候选主题类别；在接收到针对所述至少一个候选主题类别中的目标主题类型的确认指令时，将所述未召回样本图像添加到所述目标主题类别的样本图像集合中，以得到更新后的样本图像集合；根据所述更新后的样本图像集合，对所述多分类模型进行训练。
[0005]根据本公开的另一方面，提供了一种多分类模型的训练装置，包括：获取多分类模型对应的未召回样本图像以及所述未召回样本图像对应的至少一个候选主题类别；提供所述未召回样本图像以及对应的至少一个候选主题类别；在接收到针对所述至少一个候选主题类别中的目标主题类型的确认指令时，将所述未召回样本图像添加到所述目标主题类别的样本图像集合中，以得到更新后的样本图像集合；根据所述更新后的样本图像集合，对所述多分类模型进行训练。
>[0006]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的多分类模型的训练方法。
[0007]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开实施例公开的多分类模型的训练方法。
[0008]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开的多分类模型的训练方法。上述申请中的一个实施例具有如下优点或有益效果：
[0009]在对分类模型进行训练的过程中，获取多分类模型对应的未召回样本图像以及未召回样本图像对应的至少一个候选主题类别，并提供未召回样本图像以及对应的至少一个候选主题类别，以及在接收到针对至少一个候选主题类别中的目标主题类型的确认指令
时，将未召回样本图像添加到目标主题类别的样本图像集合中，以得到更新后的样本图像集合，并结合更新后的样本图像集合，对多分类模型进行训练。由此，结合未召回样本图像丰富了用于对多分类模型进行训练的样本图像集合，进而可提高所训练的出的分类模型对图像的区分能力。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开一个实施例提供的一种多分类模型的训练方法的流程示意图；
[0013]图2是根据本公开另一个实施例提供的一种多分类模型的训练方法的流程示意图；
[0014]图3是用户界面的示例图一；
[0015]图4是用户界面的示例图二；
[0016]图5是用户界面的示例图三；
[0017]图6是根据本公开一个实施例提供的一种多分类模型的训练装置的结构示意图；
[0018]图7是用来实现本公开实施例的多分类模型的训练方法的电子设备的框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]下面参考附图描述本公开实施例的多分类模型的训练方法、设备和存储介质。
[0021]图1是根据本公开一个实施例提供的一种多分类模型的训练方法的流程示意图。
[0022]如图1所示，该多分类模型的训练方法可以包括：
[0023]步骤101，获取多分类模型对应的未召回样本图像以及未召回样本图像对应的至少一个候选主题类别。
[0024]其中，上述多分类模型的训练方法的执行主体为多分类模型的训练装置，该多分类模型的训练装置可以由软件和/或硬件的方式实现，该实施例中的多分类模型的训练装置可以配置在电子设备中，该电子设备可以包括但不限于终端设备、服务器等，该实施例对电子设备不作具体限定。
[0025]其中，未召回样本图像是主题类别可能属于目标主题类别，而由于分类模型输出该图像在目标主题类别的概率值略小于该目标主题类别的概率阈值，从而分类模型无法确定出该图像的主题类别为目标主题类别的图像。
[0026]步骤102，提供未召回样本图像以及对应的至少一个候选主题类别。
[0027]在一些实施例中，可通过文字或者语音的方式，提供未召回样本图像以及对应的至少一个候选主题类别，该实施例不对提供未召回样本图像以及对应的至少一个候选主题类别的方式进行具体限定。
[0028]步骤103，在接收到针对至少一个候选主题类别中的目标主题类型的确认指令时，将未召回样本图像添加到目标主题类别的样本图像集合中，以得到更新后的样本图像集合。
[0029]步骤104，根据更新后的样本图像集合，对多分类模型进行训练。
[0030]本公开实施例的多分类模型的训练方法，在对分类模型进行训练的过程中，获取多分类模型对应的未召回样本图像以及未召回样本图像对应的至少一个候选主题类别，并提供未召回样本图像以及对应的至少一个候选主题类别，以及在接收到针对至少一个候选主题类别中的目标主题类型的确认指令时，将未召回样本图像添加到目标主题类别的样本图像集合中，以得到更新后的样本图像集合，并结合更新后的样本图像集合，对多分类模型进行训练。由此，结合未召回样本图像丰富了用于对多分类模型进行训练的样本图像集合，进而可提高所训练的出的分类模型对图像的区分能力。
[0031]图2是根据本公开另一个实施例提供的一种多分类模型的训练方法的流程示意图。
[0032]如图2所示，该多分类模型的训练方法可以包括：
[0033]步骤201，将训练样本图像输入到多分类模型中，以得到训练样本图像在多分类模型对应的各个主题类别上的概率值。
[0034]步骤202，针对各个主题类别，在概率值小于主题类别对应的第一概率阈值，并且大于或者等于主题类别对应的第二概率阈值的情况下，将训练样本图像作为未召回本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多分类模型的训练方法，包括：获取多分类模型对应的未召回样本图像以及所述未召回样本图像对应的至少一个候选主题类别；提供所述未召回样本图像以及对应的至少一个候选主题类别；在接收到针对所述至少一个候选主题类别中的目标主题类型的确认指令时，将所述未召回样本图像添加到所述目标主题类别的样本图像集合中，以得到更新后的样本图像集合；根据所述更新后的样本图像集合，对所述多分类模型进行训练。2.根据权利要求1所述的方法，其中，所述获取多分类模型对应的未召回样本图像以及所述未召回样本图像对应的至少一个候选主题类别，包括：将训练样本图像输入到所述多分类模型中，以得到所述训练样本图像在所述多分类模型对应的各个主题类别上的概率值；针对各个主题类别，在所述概率值小于所述主题类别对应的第一概率阈值，并且大于或者等于所述主题类别对应的第二概率阈值的情况下，将所述训练样本图像作为所述未召回样本图像，并将所述主题类别作为所述未召回样本图像的候选主题类别，其中，所述第二概率阈值比所述第一概率阈值小预设概率值。3.根据权利要求1或2所述的方法，其中，所述候选主题类别为多个，所述提供所述未召回样本图像以及对应的至少一个候选主题类别，包括：获取多个所述候选主题类别的展示顺序；根据所述展示顺序，依次提供对应候选主题类别对应的用户界面，其中，所述用户界面包括所述未召回样本图像、用于提示确认所述未召回样本图像的主题类别是否为所述对应候选主题类别的第一提醒信息、用于确认所述未召回样本图像的主题类别为所述对应候选主题类别的第一控件，以及用于确认所述未召回样本图像的主题类别不是所述对应候选主题类别的第二控件。4.根据权利要求1所述的方法，其中，所述候选主题类别为多个，所述提供所述未召回样本图像以及对应的至少一个候选主题类别，包括：提供用户界面，其中，所述用户界面包括所述未召回样本图像、多个所述候选主题类型以及第二提醒信息，其中，所述第二提醒信息用于提醒从多个所述候选主题类型中选择出所述未召回样本图像的主题类别。5.根据权利要求1所述的方法，其中，所述候选主题类别为一个，所述提供所述未召回样本图像以及对应的至少一个候选主题类别，包括：提供用户界面，其中，所述用户界面包括所述未召回样本图像、用于提示确认所述未召回样本图像的主题类别是否为所述候选主题类别的第一提醒信息、用于确认所述未召回样本图像的主题类别为所述候选主题类别的第一控件，以及用于确认所述未召回样本图像的主题类别不是所述候选主题类别的第二控件。6.一种多分类模型的训练装置，包括：获取模块，用于获取多分类模型对应的未召回样本图像以及所述未召回样本图像对应的至少一个候选主题类别；提供模块，用于提供所述未召回样本图像以及对应的至少一个候选主题类别；
确定模...

【专利技术属性】
技术研发人员：朱玲玲，赵以诚，李睿，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：