模型生成方法、多标签分类方法、装置以及电子设备制造方法及图纸

本申请实施例公开了一种模型生成方法、多标签分类方法、装置以及电子设备。该方法包括：获取待优化多标签分类模型的弱势场景；基于弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；在当次训练过程中，基于第一数据集对待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型；基于弱势场景测试集对训练完成的多标签分类模型进行评估，以得到评估结果；若评估结果达到目标条件，将训练完成的多标签分类模型作为目标多标签分类模型，若评估结果未达到目标条件，进入下一次的训练过程。通过上述方式使得，提高了目标多标签分类模型识别准确率。率。率。

Model generation method, multi label classification method, device and electronic equipment

【技术实现步骤摘要】
模型生成方法、多标签分类方法、装置以及电子设备


[0001]本申请涉及计算机
，更具体地，涉及一种模型生成方法、多标签分类方法、装置以及电子设备。

技术介绍

[0002]随着人工智能技术的不断发展，多标签分类开始成为计算机视觉领域的一项重要任务。但在相关方式中，多标签分类的准确率还有待提高。

技术实现思路

[0003]鉴于上述问题，本申请提出了一种模型生成方法、多标签分类方法、装置以及电子设备，以实现改善上述问题。
[0004]第一方面，本申请提供了一种模型生成方法，所述方法包括：获取待优化多标签分类模型的弱势场景，所述弱势场景为对应的图像存在误识别或者漏识别的场景；基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；在当次训练过程中，基于第一数据集对所述待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型，所述第一数据集包括所述弱势场景训练集以及初始训练集，所述初始训练集为用于生成所述待优化多标签分类模型的数据集；基于所述弱势场景测试集对所述训练完成的多标签分类模型进行评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型生成方法，其特征在于，应用于电子设备，所述方法包括：获取待优化多标签分类模型的弱势场景，所述弱势场景为对应的图像存在误识别或者漏识别的场景；基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；在当次训练过程中，基于第一数据集对所述待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型，所述第一数据集包括所述弱势场景训练集以及初始训练集，所述初始训练集为用于生成所述待优化多标签分类模型的数据集；基于所述弱势场景测试集对所述训练完成的多标签分类模型进行评估，以得到评估结果，所述评估结果表征所述训练完成的多标签分类模型对所述多种弱势场景的识别准确程度；若所述评估结果达到目标条件，将所述训练完成的多标签分类模型作为目标多标签分类模型，若所述评估结果未达到目标条件，进入下一次的训练过程，基于所述弱势场景测试集获取弱势场景对应的新的训练数据，并将所述训练完成的多标签分类模型作为下一次训练过程对应的待优化多标签分类模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集，包括：基于所述多个标签从初始测试集或者网络中获取包括所述多个标签的多张图像，基于所述包括所述多个标签的多张图像得到所述弱势场景测试集；基于所述弱势场景测试集获取所述弱势场景训练集。3.根据权利要求2所述的方法，其特征在于，所述基于所述弱势场景测试集获取所述弱势场景训练集，包括：获取多张无标签图像以及所述多张无标签图像各自对应的特征编码，以得到图像特征库；从所述弱势场景测试集中选择一张或者多张图像，并获取所述一张或者多张图像各自对应的特征编码，以得到所述弱势场景对应的特征编码；基于重排算法对所述多张无标签图像各自对应的特征编码与所述弱势场景对应的特征编码进行匹配，以从所述多张无标签图像中得到与所述弱势场景相似的多张目标图像，并对所述多张目标图像进行自动标注，以基于标注好的所述多张目标图像得到所述弱势场景训练集。4.根据权利要求1所述的方法，其特征在于，所述基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集，包括：获取所述多个标签各自对应的图像内容在存在误识别或者漏识别图像中占据的区域面积，将所述对应的图像内容所占据的区域面积满足目标条件的标签作为目标标签；基于所述目标标签获取所述弱势场景训练集以及所述弱势场景测试集。5.根据权利要求1所述的方法，其特征在于，所述弱势场景包括多个子场景，所述弱势场景测试集包括有每个子场景对应的测试集，所述基于所述弱势场景测试集对所述训练完成的多标签分类模型进行评估，以得到评估结果，包括：将所述多个子场景各自对应的测试集分别输入所述训练完成的多标签分类模型，以得到所述测试集各自对应的多标签分类结果；
若所述子场景为漏识别场景，则基于第一预设算法对所述训练完成的多标签分类模型进行评估，以得到所述评估结果，所述漏识别场景为存在漏识别图像类别信息的场景；若所述子场景为误识别场景，则基于第二预设算法对所述训练完成的多标签分类模型进行评估，以得到评估结果，所述误识别场景为存在误识别图像类别信息的场景。6.根据权利要求5所述的方法，其特征在于，所述基于第一预设算法对所述训练完成的多标签分类模型进行评估，以得到评估结果，包括：基于所述漏识别场景对应的测试集中包含所述漏识别图像类别信息的图像被正确识别出来的图像数量与所述漏识别场景对应的测试集包含的图像总数得到所述评估结...

【专利技术属性】
技术研发人员：李朝阳，张有才，李亚乾，郭彦东，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：