图像分类模型训练方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种图像分类模型训练方法、装置、电子设备及计算机可读存储介质。该图像分类模型训练方法包括：获取目标样本图像；通过预设的热力图映射参数，对所述目标样本图像进行热力信息提取，得到所述目标样本图像的样本热力图，其中，所述热力图映射参数用于反映样本热力图与类别标注信息之间的约束关系，所述热力图映射参数基于预设的热力图提取模块学习得到；基于所述样本热力图，确定所述目标样本图像的类别标注信息；基于所述类别标注信息和所述目标样本图像，对待训练的图像分类模型进行训练，直至符合预设的第一停止训练条件时，得到已训练图像分类模型。本申请中可以提高图像分类模型分类准确度。高图像分类模型分类准确度。高图像分类模型分类准确度。

【技术实现步骤摘要】
图像分类模型训练方法、装置、电子设备及存储介质


[0001]本申请涉及计算机视觉
，具体涉及一种图像分类模型训练方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着计算机视觉技术的不断发展，计算机视觉技术被应用于越来越多的领域。其中，图像分类是计算机视觉任务中的一项重要任务。
[0003]现有的图像分类模型需要基于大量的数据标注作为监督信息进行训练，才能保证图像分类模型的分类准确率。
[0004]但是，对于某些特殊场景，由于类别间差异太小，人工肉眼无法准确区分图像类别，因而会导致标注错误；而采用错误的人工标注对图像分类模型进行训练而导致的已训练图像分类模型分类混乱的问题，最后将会导致训练后的图像分类模型的分类准确度较低。

技术实现思路

[0005]本申请提供一种图像分类模型训练方法、装置、电子设备及计算机可读存储介质，旨在解决由于类别间差异太小容易采用错误的人工标注对图像分类模型进行训练，进而导致的图像分类模型分类准确度低的问题。
[0006]第一方面，本申请提供一种图像分类模型训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类模型训练方法，其特征在于，所述方法包括：获取目标样本图像；通过预设的热力图映射参数，对所述目标样本图像进行热力信息提取，得到所述目标样本图像的样本热力图，其中，所述热力图映射参数用于反映样本热力图与类别标注信息之间的约束关系，所述热力图映射参数基于预设的热力图提取模块学习得到；基于所述样本热力图，确定所述目标样本图像的类别标注信息；基于所述类别标注信息和所述目标样本图像，对待训练的图像分类模型进行训练，直至符合预设的第一停止训练条件时，得到已训练图像分类模型。2.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述基于所述样本热力图，确定所述目标样本图像的类别标注信息，包括：获取热力位置信息与类别信息之间的预设映射关系，其中，所述预设映射关系用于指示所述样本热力图的热力位置信息与所述目标样本图像的类别标注信息之间的关系；获取所述样本热力图的热力位置信息；基于所述样本热力图的热力位置信息和所述预设映射关系，确定所述目标样本图像的类别标注信息。3.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述基于所述类别标注信息和所述目标样本图像，对待训练的图像分类模型进行训练，直至符合预设的第一停止训练条件时，得到已训练图像分类模型之前，还包括：获取图像样本集合以及预设标注数据，其中，所述图像样本集合包括多个初始样本图像，所述预设标注数据包括所述初始样本图像的预设标注类别；基于预设分类模型对所述图像样本集合中各初始样本图像进行预测，得到所述图像样本集合中各初始样本图像的预测类别；从所述图像样本集合中，获取所述预设标注类别与所述预测类别不同的目标初始样本图像；以所述目标初始样本图像的预测类别作为监督信息，基于所述目标初始样本图像对所述预设分类模型进行训练，直至符合预设的第二停止训练条件时，得到所述待训练的图像分类模型。4.根据权利要求3所述的图像分类模型训练方法，其特征在于，所述基于所述样本热力图，确定所述目标样本图像的类别标注信息之前，还包括：通过所述热力图映射参数，对所述目标初始样本图像进行热力信息提取，得到所述目标初始样本图像的目标热力图；通过待训练的图像分类模型，根据所述目标初始样本图像进行预测，得到所述目标初始样本图像的目标类别；获取所述目标热力图的热力位置信息；基于所述目标热力图的热力位置信息和所述目标类别，获取热力位置信息与类别信息之间的预设映射关系。5.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述通过预设的热力图映射参数，对所述目标样本图像进行热力信息提取，得到所述目标样本图像的样本热力图...

【专利技术属性】
技术研发人员：杨小平，陈奇华，苏鹏，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：