【技术实现步骤摘要】
基于渐进式学习的舌苔图像分类模型的训练方法
[0001]本专利技术涉及人工智能
，尤其涉及一种基于渐进式学习的舌苔图像分类模型的训练方法、装置、计算机设备以及存储介质。
技术介绍
[0002]随着深度学习和人工智能的快速发展，使用基于卷积神经网络的舌苔图像分类算法，辅助用户进行舌苔图像的分类已成为现实。根据人工神经网络的技术特点，舌苔图像分类模型的分类准确性一定程度上会受舌苔图像分类模型的训练过程的影响。在现有的研究中，为了提高舌苔图像分类模型的分类准确性，人们尝试通过增大训练数据中的舌苔图像的分辨率来提升苔图像分类模型的训练效果，以此来提升舌苔图像分类模型的分类准确性。但是，实践发现，这种方式在舌苔图像的分辨率增大到一定的程度之后，反而会容易出现分类准确性降低的情况。可见，如何对舌苔图像分类模型进行科学有效的训练，以提升舌苔图像分类模型的分类准确性，是一个亟需解决的技术问题。
技术实现思路
[0003]本专利技术所要解决的技术问题在于，在目前的舌苔图像分类模型的训练方法中，舌苔图像分类模型的分类准确性...
【技术保护点】
【技术特征摘要】
1.一种基于渐进式学习的舌苔图像分类模型的训练方法，其特征在于，所述方法包括：获取至少包括多个舌苔图像的原始训练数据集；按照预设的渐进式学习的分辨率扩增方式确定出目标分辨率集合；按照预设的渐进式学习的正则化强度扩增方式确定出正则化强度值集合，其中，所述正则化强度值集合中的正则化强度值与所述目标分辨率集合中的目标分辨率一一对应，且所述目标分辨率对应的正则化强度值跟随所述目标分辨率的增大而增大；对所述原始训练数据集中的每个舌苔图像执行预设的分辨率重置操作，以得到目标训练数据集集合，其中，所述目标训练数据集集合中的目标训练数据集与所述目标分辨率集合中的目标分辨率一一对应，且每组目标训练数据集中的舌苔图像的分辨率为该组目标训练数据集对应的目标分辨率；基于所述目标训练数据集集合和所述正则化强度值集合，对预设的舌苔图像分类模型进行多次训练，使所述舌苔图像分类模型的目标损失函数收敛，以完成对所述舌苔图像分类模型的训练。2.根据权利要求1所述的基于渐进式学习的舌苔图像分类模型的训练方法，其特征在于，所述按照预设的渐进式学习的分辨率扩增方式确定出目标分辨率集合，包括：确定所述目标分辨率集合对应的最大分辨率和最小分辨率；按照预设的目标分辨率确定方式从所述最大分辨率和所述最小分辨率之间的区间中确定出多个目标分辨率，以作为目标分辨率集合。3.根据权利要求2所述的基于渐进式学习的舌苔图像分类模型的训练方法，其特征在于，所述按照预设的目标分辨率确定方式从所述最大分辨率和所述最小分辨率之间的区间中确定出多个目标分辨率，以作为目标分辨率集合，包括：通过以下公式从所述最大分辨率和所述最小分辨率之间的区间中确定出多个目标分辨率，以作为目标分辨率集合：其中，S
i
是所述目标分辨率集合中第i个目标分辨率，S0是所述最小分辨率，S
e
是所述最大分辨率，N为目标分辨率集合中目标分辨率的总数量。4.根据权利要求3所述的基于渐进式学习的舌苔图像分类模型的训练方法，其特征在于，所述按照预设的渐进式学习的正则化强度扩增方式确定出正则化强度值集合，包括：确定所述正则化强度值集合对应的最大正则化强度值和最小正则化强度值；按照预设的正则化强度值确定方式从所述最大正则化强度值和所述最小正则化强度值之间的区间中确定出多个正则化强度值，以作为正则化强度值集合。5.根据权利要求4所述的基于渐进式学习的舌苔图像分类模型的训练方法，其特征在于，所述按照预设的正则化强度值确定方式从所述最大正则化强度值和所述最小正则化强度值之间的区间中确定出多个正则化强度值，以作为正则化强度值集合，包括：通过以下公式从所述最大正则化强度值和所述最小正则化强度值之间的区间中确定出多个正则化强度值，以作为正则化强度值集合：
其中，D
i
是所述正则化强度值集合中第i个正则化强度值，其与所述目标分辨率集合中第i个目标分辨率对应，D0是所述最小正则化强度值，D
e
是所述最大正则化强度值，N为所述正则化强度值集合中正则...
【专利技术属性】
技术研发人员：李楠楠，周宸，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。