图像分类方法、计算机终端及存储介质技术

本申请公开了一种图像分类方法、计算机终端及存储介质。其中，该方法包括：获取目标图像；利用图像分类模型对目标图像进行处理，得到目标图像对应的分类结果，其中，图像分类模型通过图像样本和目标样本对预训练模型进行调整得到，目标样本为预设样本集合中图像样本相对应的预设样本，预训练模型通过预设样本集合进行训练得到。本申请解决了相关技术中由于数据样本量少、图像分类模型的准确度较低，从而导致图像分类的准确度较低的技术问题。而导致图像分类的准确度较低的技术问题。而导致图像分类的准确度较低的技术问题。

【技术实现步骤摘要】
图像分类方法、计算机终端及存储介质


[0001]本申请涉及模型训练领域，具体而言，涉及一种图像分类方法、计算机终端及存储介质。

技术介绍

[0002]对施工项目的进展情况进行预测是城市规划中一项重要的任务，按照施工进展情况，通常将施工项目分为未动工、已动工和已建成三个类别。相较于实地现场调研，基于航拍图像预测施工项目的进展情况具有实施方便、人力成本低、实时性高的优点。具体来说，利用图像分类模型对航拍图像中的指定区域进行特征提取并进行分类，从而得到指定区域的施工进展情况。然而图像分类模型的训练需要大量的标注数据，较小的数据集会使得深度神经网络产生严重的过拟合问题，极易导致模型的泛化能力差，难以训练得到准确度较高的图像分类模型。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种图像分类方法、计算机终端及存储介质，以至少解决相关技术中由于数据样本量少、图像分类模型的准确度较低，从而导致图像分类的准确度较低的技术问题。
[0005]根据本申请实施例的一个方面，提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取目标图像；利用图像分类模型对所述目标图像进行处理，得到所述目标图像对应的分类结果，其中，所述图像分类模型通过图像样本和目标样本对预训练模型进行调整得到，所述目标样本为预设样本集合中所述图像样本相对应的预设样本，所述预训练模型通过所述预设样本集合进行训练得到。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用所述图像分类模型对所述图像样本和所述预设样本集合包含的多个预设样本进行处理，得到所述图像样本的第一特征，以及所述多个预设样本的第二特征；基于所述第一特征与多个第二特征的相似度，确定所述目标样本。3.根据权利要求2所述的方法，其特征在于，基于所述第一特征与多个第二特征的相似度，确定所述目标样本包括：获取所述第一特征和每个第二特征的相似度，得到多个相似度；确定相似度大于预设相似度的第二特征对应的预设样本为所述目标样本。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用所述图像样本和所述目标样本对所述预训练模型的目标层的网络参数进行调整，其中，所述预训练模型中除所述目标层之外的其他层的网络参数保持不变。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述预设样本集合，其中，所述预设样本集合包括：多个预设样本，每个预设样本对应的蒙板和类别标签，所述蒙板用于表征相应预设样本中的目标区域，所述类别标签为所述目标区域的类别标签；利用初始分类模型对所述多个预设样本和所述多个预设样本对应的蒙板进行特征提取，并对所述多个预设样本对应的融合特征进行预测处理，得到所述多个预设样本对应的类别识别结果，其中，所述融合特征通过将相应预设样本的第三特征和相应蒙版的第四特征进行融合得到，所述类别识别结果为所述目标区域的类别识别结果；基于所述多个预设样本对应的类别识别结果和类别标签，得到所述初始分类模型的损失值；基于所述损失值与预设损失值的比对结果调整所述初始分类模型，得到所述预训练模型。6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述方法还包括：显示多个任务类型；接收所述多个任务类型中选中的目...

【专利技术属性】
技术研发人员：李威，陈伟涛，王志斌，李昊，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：