图像分类、地物分类方法和装置制造方法及图纸

说明书披露一种图像分类、地物分类方法和装置。所述图像分类方法包括：获取待分类的图像；将所述待分类的图像输入已训练的第一图像分类模型，以获得所述第一图像分类模型输出的图像分类结果；其中，所述第一图像分类模型通过模拟无穷样本图像进行训练，以使得所述第一图像分类模型的决策边界逼近第二图像分类模型的决策边界，所述第二图像分类模型是已训练的满足收敛条件的图像分类模型。采用上述方案可在不增加第一图像分类模型大小的情况下，提升第一图像分类模型的分类准确度。升第一图像分类模型的分类准确度。升第一图像分类模型的分类准确度。

【技术实现步骤摘要】
图像分类、地物分类方法和装置


[0001]本说明书涉及人工智能
，尤其涉及一种图像分类、地物分类方法和装置。

技术介绍

[0002]随着人工智能技术的发展，图像分类的应用场景越来越广泛。例如，在自动驾驶领域，需要在图像中识别出各种障碍物；在医疗领域，需要在图像中识别出肿瘤等异常组织；在航空领域，需要在图像中识别出土地类型等。
[0003]为得到更加准确的图像分类结果，图像分类模型的结构越来越复杂，其本身需要的存储空间和计算资源也越来越多，知识蒸馏技术应运而生。
[0004]知识蒸馏是一种模型压缩技术，可采用已训练好的结构复杂的第二图像分类模型训练结构相对简单的第一图像分类模型，进而让结构相对简单的第一图像分类模型的预测效果尽可能贴近结构复杂的第二图像分类模型。其中，结构复杂的第二图像分类模型往往称为教师模型（Teacher Model），结构简单的第一图像分类模型往往称为学生模型（Student Model）。
[0005]图1是相关技术中的一种知识蒸馏方法的示意图。其中，第二图像分类模型是已训练完成的结构复杂的模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，包括：获取待分类的图像；将所述待分类的图像输入已训练的第一图像分类模型，以获得所述第一图像分类模型输出的图像分类结果；其中，所述第一图像分类模型通过模拟无穷样本图像进行训练，以使得所述第一图像分类模型的决策边界逼近第二图像分类模型的决策边界，所述第二图像分类模型是已训练的满足收敛条件的图像分类模型。2.根据权利要求1所述的方法，通过模拟无穷样本图像训练第一图像分类模型的过程，包括：将样本图像输入第二图像分类模型，由所述第二图像分类模型对所述样本图像进行特征提取和分类预测，得到第二预测结果；将所述样本图像输入待训练的第一图像分类模型，由所述第一图像分类模型对所述样本图像进行特征提取，并基于所述第一图像分类模型提取出的图像特征在特征空间中进行特征增强以模拟无穷样本图像；确定所述无穷样本图像的蒸馏损失，所述蒸馏损失代表所述第一图像分类模型对所述无穷样本图像进行分类预测得到的第一预测结果与所述第二预测结果之间的差距；基于所述蒸馏损失对所述第一图像分类模型进行训练。3.根据权利要求2所述的方法，所述无穷样本图像的蒸馏损失函数推导过程包括：获取预设的蒸馏损失函数；根据所述蒸馏损失函数确定所述无穷样本图像的蒸馏损失和值函数；将所述蒸馏损失和值函数转换为第一中间因子的期望函数，所述第一中间因子符合高斯分布；确定所述期望函数的上界函数；在所述上界函数中引入类别分布的协方差，通过矩母函数推导出第二中间因子的期望函数作为所述无穷样本图像的蒸馏损失函数，其中，所述第二中间因子也符合高斯分布。4.根据权利要求2所述的方法，所述确定所述无穷样本图像的蒸馏损失，包括：将所述无穷样本图像的图像特征与第二图像分类模型提取出的所述样本图像的图像特征进行特征对齐；在特征对齐后，确定所述无穷样本图像的蒸馏损失。5.根据权利要求2所述的方法，所述基于所述蒸馏损失对所述第一图像分类模型进行训练，包括：确定所述...

【专利技术属性】
技术研发人员：袁建龙，王志斌，李昊，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：