图像分类模型的训练及图像处理方法、装置和计算设备制造方法及图纸

本公开的实施方式提供了一种图像分类模型的训练及图像处理方法、装置和计算设备。该图像分类模型的训练方法包括：根据第一模型对初始第一样本集和初始第二样本集进行处理，并根据第二模型对初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集；根据第1次更新后的第一样本集和第1次更新后的第二样本集对第一模型和第二模型进行至少一次模型训练处理，得到训练完成的第一模型，模型训练处理包括针对第一模型的半监督训练处理、有监督训练处理和无监督训练处理，以及针对第二模型的无监督训练处理；根据训练完成的第一模型获取图像分类模型。降低了训练图像分类模型的人力成本。训练图像分类模型的人力成本。训练图像分类模型的人力成本。

【技术实现步骤摘要】
图像分类模型的训练及图像处理方法、装置和计算设备


[0001]本公开的实施方式涉及人工智能
，更具体地，本公开的实施方式涉及一种图像分类模型的训练及图像处理方法、装置和计算设备。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]图像分类指的是根据相应的分类类型，将图像划分为分类类型下的具体类别的过程。图像分类具有广泛的应用场景，例如图像推荐、货物识别等等。
[0004]图像分类主要是基于图像分类模型实现的。在图像分类模型的训练过程中，需要获取样本图像以及样本图像的标注信息，然后通过样本图像以及标注信息对图像分类模型进行训练。在训练完成后，图像分类模型具备对图像进行分类的能力，然后将需要进行分类的图像输入至图像分类模型，即可得到相应的图像类别。
[0005]由于图像分类模型训练中需要的训练样本十分庞大，往往需要大量的标注人员对样本图像进行标注，因此图像分类模型训练的人力成本较高。

技术实现思路

[0006]本公开提供一种图像分类模型的训练及图像处理方法、装置和计算设备，以解决图像分类模型训练的人力成本较高的问题。
[0007]在本公开实施方式的第一方面中，提供了一种图像分类模型的训练方法，包括：
[0008]根据第一模型对初始第一样本集和初始第二样本集进行处理，并根据第二模型对所述初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集；
[0009]根据所述第1次更新后的第一样本集和所述第1次更新后的第二样本集对所述第一模型和所述第二模型进行至少一次模型训练处理，得到训练完成的第一模型，所述模型训练处理包括针对所述第一模型的半监督训练处理、有监督训练处理和无监督训练处理，以及针对所述第二模型的无监督训练处理；
[0010]根据所述训练完成的第一模型获取图像分类模型，其中，所述初始第一样本集中包括第一样本图像，所述第一样本图像标注有相应的第一类别标签，所述初始第二样本集中包括第二样本图像，所述第二样本图像无标签。
[0011]在本公开实施方式的第二方面中，提供了一种图像处理方法，包括：
[0012]获取待处理的第一图像；
[0013]将所述第一图像输入至图像分类模型，得到所述第一图像在各分类类型下的类别，其中，所述图像分类模型为根据第一方面任一项训练得到的模型。
[0014]在本公开实施方式的第三方面中，提供了一种图像分类模型的训练装置，包括：
[0015]更新模块，用于根据第一模型对初始第一样本集和初始第二样本集进行处理，并
根据第二模型对所述初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集；
[0016]训练模块，用于根据所述第1次更新后的第一样本集和所述第1次更新后的第二样本集对所述第一模型和所述第二模型进行至少一次模型训练处理，得到训练完成的第一模型，所述模型训练处理包括针对所述第一模型的半监督训练处理、有监督训练处理和无监督训练处理，以及针对所述第二模型的无监督训练处理；
[0017]处理模块，用于根据所述训练完成的第一模型获取图像分类模型，其中，所述初始第一样本集中包括第一样本图像，所述第一样本图像标注有相应的第一类别标签，所述初始第二样本集中包括第二样本图像，所述第二样本图像无标签。
[0018]在本公开实施方式的第四方面中，提供了一种图像处理装置，包括：
[0019]获取模块，用于获取待处理的第一图像；
[0020]处理模块，用于将所述第一图像输入至图像分类模型，得到所述第一图像在各分类类型下的类别，其中，所述图像分类模型为根据第一方面任一项训练得到的模型。
[0021]在本公开实施方式的第五方面中，提供了一种计算设备，包括：至少一个处理器和存储器；
[0022]所述存储器存储计算机执行指令；
[0023]所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的图像分类模型的训练方法，或者，使得所述至少一个处理器执行如第二方面所述的图像处理方法。
[0024]在本公开实施方式的第六方面中，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的图像分类模型的训练方法，或者，实现如第二方面所述的图像处理方法。
[0025]本公开提供的图像分类模型的训练及图像处理方法、装置和计算设备，首先根据第一模型对初始第一样本集和初始第二样本集进行处理，并根据第二模型对初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集，然后根据第1次更新后的第一样本集和第1次更新后的第二样本集对第一模型和第二模型进行至少一次模型训练处理，得到训练完成的第一模型，最后根据训练完成的第一模型获取图像分类模型。由于初始第一样本集中包括标注了第一类别标签的第一样本图像，初始第二样本集中包括无标签的第二样本图像，即本公开实施例的方案既采用了有标签的样本集也采用了无标签的样本集进行模型训练处理，在图像分类模型训练中无需对所有的样本图像进行标注也可以完成图像分类模型的训练，人力成本较低。
附图说明
[0026]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
[0027]图1为一种图像分类模型的训练方法的示意图；
[0028]图2为本公开实施例提供的应用场景示意图；
[0029]图3为本公开实施例提供的图像分类模型的训练方法的流程示意图；
[0030]图4为本公开实施例提供的样本集更新的流程示意图；
[0031]图5为本公开实施例提供的样本集的第1次更新过程示意图；
[0032]图6为本公开实施例提供的模型训练处理的流程示意图；
[0033]图7为本公开实施例提供的模型训练处理过程示意图；
[0034]图8为本公开实施例提供的一次半监督训练处理过程的流程示意图；
[0035]图9为本公开实施例提供的获取第三样本集示意图一；
[0036]图10为本公开实施例提供的获取第三样本集示意图二；
[0037]图11为本公开实施例提供的第一模型训练的流程示意图；
[0038]图12为本公开实施例提供的对合并模型训练的流程示意图；
[0039]图13为本公开实施例提供的合并模型的网络结构示意图；
[0040]图14为本公开实施例提供的图像处理方法的流程示意图；
[0041]图15为本公开实施例提供的程序产品示意图；
[0042]图16为本公开实施例提供的图像分类模型的训练装置的结构示意图；
[0043]图17为本公开实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类模型的训练方法，包括：根据第一模型对初始第一样本集和初始第二样本集进行处理，并根据第二模型对所述初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集；根据所述第1次更新后的第一样本集和所述第1次更新后的第二样本集对所述第一模型和所述第二模型进行至少一次模型训练处理，得到训练完成的第一模型，所述模型训练处理包括针对所述第一模型的半监督训练处理、有监督训练处理和无监督训练处理，以及针对所述第二模型的无监督训练处理；根据所述训练完成的第一模型获取图像分类模型，其中，所述初始第一样本集中包括第一样本图像，所述第一样本图像标注有相应的第一类别标签，所述初始第二样本集中包括第二样本图像，所述第二样本图像无标签。2.根据权利要求1所述的方法，其中，根据第一模型对初始第一样本集和初始第二样本集进行处理，并根据第二模型对所述初始第二样本集进行处理，得到第1次更新后的第一样本集和第1次更新后的第二样本集，包括：对所述第一模型进行第1次初始化，得到第1次初始化的第一模型；根据所述初始第一样本集对所述第1次初始化的第一模型进行有监督训练处理，得到第1次预处理的第一模型；根据所述初始第一样本集和所述初始第二样本集对所述第1次预处理的第一模型进行半监督训练处理，得到第1次训练的第一模型；根据所述第1次训练的第一模型，以及初始化的第二模型对所述初始第二样本集进行处理，得到所述第1次更新后的第一样本集和所述第1次更新后的第二样本集。3.根据权利要求2所述的方法，其中，根据所述第1次更新后的第一样本集和所述第1次更新后的第二样本集对所述第一模型和所述第二模型进行至少一次模型训练处理，得到训练完成的第一模型，包括：将第i
‑
1次训练的第一模型的参数复制至第i
‑
1个第二模型，得到第i个第二模型；根据第i
‑
1次更新后的第一样本集和第i
‑
1次更新后的第二样本集对所述第一模型和所述第i个第二模型进行第i次模型训练处理，得到第i次训练的第一模型、第i次更新后的第一样本集和第i次更新后的第二样本集；响应于所述第i次训练的第一模型不满足第一训练终止条件，将所述第i次训练的第一模型的参数复制至第i个第二模型，得到第i+1个第二模型，并根据所述第i次更新后的第一样本集和所述第i次更新后的第二样本集对所述第一模型和所述第i+1个第二模型执行第i+1次模型训练处理；响应于所述第i次训练的第一模型满足所述第一训练终止条件，将所述第i次训练的第一模型确定为所述训练完成的第一模型；其中，所述i为大于或等于2的整数，所述i初始为2，第1个第二模型为所述初始化的第二模型。4.根据权利要求3所述的方法，其中，根据第i
‑
1次更新后的第一样本集和第i
‑
1次更新后的第二样本集对所述第一模型和所述第i个第二模型进行第i次模型训练处理，得到第i次训练的第一模型、第i次更新后的第一样本集和第i次更新后的第二样本集，包括：对所述第一模型进行第i次初始化处理，得到第i次初始化的第一模型；
根据第i
‑
1次更新后的第一样本集对所述第i次初始化的第一模型进行有监督训练处理，得到第i次预处理的第一模型；根据所述第i
‑
1次更新后的第一样本集和所述第i
‑
1次更新后的第二样...

【专利技术属性】
技术研发人员：黄泱柯，洪伟，胡光龙，李雪莉，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：