【技术实现步骤摘要】
模型训练、图像分类方法、服务器及存储介质
[0001]本申请涉及计算机视觉
,尤其涉及一种模型训练、图像分类方法、服务器及存储介质。
技术介绍
[0002]神经网络的发展不断推动了人工智能的进步,而神经网络的训练离不开海量的训练数据和预训练模型。在一些应用场景中,经常会面临缺乏充足的训练数据而无法训练出足够有效的神经网络模型的技术问题。因此,有待提出一种解决方案。
技术实现思路
[0003]本申请实施例的多个方面提供一种模型训练、图像分类方法、服务器及存储介质,用以在训练数据有限的情况下,提升神经网络模型的性能。
[0004]本申请实施例提供一种图像分类方法,包括:将待处理的图像输入第一模型;所述第一模型包括:多个专家模型以及与所述多个专家模型连接的融合模型;所述多个专家模型包括至少两种不同网络结构的专家模型;通过所述多个专家模型对所述样本图像进行特征提取,得到所述多个专家模型各自对应的图像特征;通过所述融合模型,根据所述多个专家模型各自的特征融合参数,对所述多个专家模型各自对应的图像特征进行融合处理;通过所述融合模型对融合得到的特征进行分类运算处理,得到第一分类结果。
[0005]本申请实施例还提供一种场景分类方法,包括:获取对目标场所进行拍摄得到的视频数据;将所述视频数据中的任一帧图像输入第一模型;所述第一模型包括:多个专家模型以及与所述多个专家模型连接的融合模型;所述多个专家模型包括至少两种不同网络结构的专家模型;通过所述多个专家模型对所述图像进行特征提取,得到所述多个专家 ...
【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:将待处理的图像输入第一模型;所述第一模型包括:多个专家模型以及与所述多个专家模型连接的融合模型;所述多个专家模型包括至少两种不同网络结构的专家模型;通过所述多个专家模型对所述图像进行特征提取,得到所述多个专家模型各自对应的图像特征;通过所述融合模型,根据所述多个专家模型各自的特征融合参数,对所述多个专家模型各自对应的图像特征进行融合处理;通过所述融合模型对融合得到的特征进行分类运算处理,得到第一分类结果。2.根据权利要求1所述的方法,其特征在于,通过所述融合模型,根据所述多个专家模型各自的特征融合参数,对所述多个专家模型各自对应的图像特征进行融合处理之前,还包括:通过所述融合模型,根据所述多个专家模型在收敛后对样本图像进行特征提取得到的图像特征以及所述样本图像上标注的标签真值,动态地学习所述多个专家模型各自的特征融合参数。3.一种场景分类方法,其特征在于,包括:获取对目标场所进行拍摄得到的视频数据;将所述视频数据中的任一帧图像输入第一模型;所述第一模型包括:多个专家模型以及与所述多个专家模型连接的融合模型;所述多个专家模型包括至少两种不同网络结构的专家模型;通过所述多个专家模型对所述图像进行特征提取,得到所述多个专家模型各自对应的图像特征;通过所述融合模型,根据所述多个专家模型各自的特征融合参数,对所述多个专家模型各自对应的图像特征进行融合处理;通过所述融合模型对融合得到的特征进行分类运算处理,得到所述目标场所对应的场景类别。4.一种模型训练方法,其特征在于,待训练的第一模型包括:多个专家模型,以及与所述多个专家模型连接的融合模型;所述多个专家模型包括至少两种不同网络结构的专家模型;所述方法包括:获取所述多个专家模型在收敛后对样本图像进行特征提取得到的图像特征;所述样本图像上标注有标签真值;通过所述融合模型,根据所述多个专家模型各自的特征融合参数,对所述多个专家模型各自对应的图像特征进行融合,并对融合得到的特征进行分类运算处理,得到第一分类结果;以令所述第一分类结果与所述标签真值的差距收敛至第一指定范围为学习目标,调整所述多个专家模型各自的特征融合参数。5.根据权利要求4所述的方法,其特征在于,获取所述多个专家模型在收敛后对样本图像进行特征提取得到的图像特征之前,还包括:通过所述多个专家模型对所述样本图像进行特征提取,得到所述多个专家模型各自对应的图像特征;
通过所述多个专家模型各自对应的分类器,对所述多个专家模型各自对应的图像特征进行分类运算处理,得到所述多个专家模型各自的分类结果;以令所述多个专家模型各自的分类结果与所述标签真值的差距收敛至第二指定范围为学习目标,调整所述多个专家模型各自的参数。6.根据权利要求5所述的方法,其特征在于,所述多个专家模型中,任一专家模型包括多个特征计算模块;通过所述多个专家模型对所述样本图像进行特征提取,得到所述多个专家模型各自对应的图像特征,包括:针对所述多个专家模型中的任一专家模型,从所述专家模型中,随机选...
【专利技术属性】
技术研发人员:孙鹏飞,
申请(专利权)人:阿里巴巴中国有限公司,
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。