一种图片分类方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种图片分类方法、装置、电子设备及存储介质，该方法为：获取待检测图片；将所述待检测图片输入已训练的目标分类模型，获得图片分类结果；其中，所述目标分类模型是通过分别对训练样本集，以及初始分类模型中的模型参数进行迭代更新获得的，更新模型参数时，确定所述各分类类别间的共存关系，并基于由所述共存关系更新后的每个样本图片的分类标签，与对应的预测结果间的分类差异，调整模型参数；更新所述训练样本集时，引导已训练的目标扩散模型基于预设的样本噪声图生成新样本图片。这样，借助于训练后的目标分类模型，能够针对待检测图片有效的进行分类检测，提高图片分类准确性。提高图片分类准确性。提高图片分类准确性。

【技术实现步骤摘要】
一种图片分类方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种图片分类方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能技术的发展，可以通过对图像进行分类处理，实现图片发布前的内容审核，相关技术下，通常通过训练图片分类模型，实现对图片的分类处理。
[0003]目前，训练图片分类模型的过程中，在通过人工标注新样本图片的方式，获得训练样本后，基于训练样本对图片分类模型进行训练；进而借助于训练后的目标分类模型实现图片分类处理，其中，新样本图片可以是采集得到的。
[0004]然而，由于人工标注训练样本的效率很低，而且标注准确性较差，难以构建适配于图片分类需要的训练样本，故无法保障对于图片分类模型的训练效果；因此，极大地影响了图片分类的准确性，使得无法有效分类出包括违规内容的图片，造成包括违规内容的图片被发布的不良后果。

技术实现思路

[0005]本申请实施例提供一种图片分类方法、装置、电子设备及存储介质，用以提高图片分类的准确性。
[0006]第一方面，提出一种图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片分类方法，其特征在于，包括：获取待检测图片；将所述待检测图片输入已训练的目标分类模型，获得图片分类结果；其中，所述目标分类模型是通过分别对训练样本集，以及初始分类模型中的模型参数进行迭代更新获得的，在每轮迭代过程中，执行以下操作：更新模型参数时，从所述训练样本集中获取各样本图片，并基于所述初始分类模型对应所述各样本图片分别输出的，在预设的各分类类别上的预测结果，确定所述各分类类别间的共存关系，及基于由所述共存关系更新后的每个样本图片的分类标签，与对应的预测结果间的分类差异，调整模型参数；更新所述训练样本集时，基于各样本对象各自对应的更新后的分类标签，分别生成各提示文本，并采用所述各样本图片各自对应的图片特征和提示文本，分别引导已训练的目标扩散模型基于预设的样本噪声图生成对应的新样本图片，以及将生成的新样本图片添加至所述训练样本集。2.如权利要求1所述的方法，其特征在于，所述确定所述各分类类别间的共存关系，包括：基于所述各样本图片在每种分类类别上的预测结果，在所述各样本图片中，分别统计每种分类类别对应的内容的存在概率均值，以及分别统计同时包含每两种分类类别对应的内容的独立概率均值；基于各存在概率均值和各独立概率均值，获得每两种分类类别共存时的条件概率值，并基于各条件概率值，确定所述各分类类别间的共存关系。3.如权利要求2所述的方法，其特征在于，所述基于各条件概率值，确定所述各分类类别间的共存关系，包括：确定各条件概率值中取值超过第一设定阈值的目标条件概率值；将每个目标条件概率值对应的两种分类类别，确定为存在共存关系。4.如权利要求1所述的方法，其特征在于，基于所述共存关系更新每个样本图片的分类标签，包括：针对每个样本图片，分别执行以下操作：针对预测结果超过第二设定阈值的每个候选分类类别，当确定当前匹配的分类类别范围中，存在与所述候选分类类别共存的其他分类类别时，将所述候选分类类别添加为所述样本图片的新标签分类类别；候选分类类别为预设的各分类类别中，除对应的分类标签中标注的分类类别外的其他分类类别；基于确定的新标签分类类别，更新所述样本图片对应的分类标签。5.如权利要求1所述的方法，其特征在于，所述采用所述各样本图片各自对应的图片特征和提示文本，分别引导已训练的目标扩散模型基于预设的样本噪声图生成对应的新样本图片，包括：获取所述初始分类模型中针对所述各样本图片分别提取的图片特征；采用已训练的文本处理模型，基于所述各样本图片各自对应的提示文本，获得对应的各文本特征；分别根据每个样本图片对应的隐层特征，引导已训练的目标扩散模型基于预设的样本
噪声图生成对应的新样本图片，其中，一个隐层特征由一个样本图片对应的图片特征和文本特征融合得到。6.如权利要求5所述的方法，其特征在于，所述引导已训练的目标扩散模型基于预设的样本噪声图生成对应的新样本图片，包括：将所述隐层特征，映射至已训练的目标扩散模型中的多头注意力层；获取所述目标扩散模型在所述隐层特征的引导下，将预设的样本噪声图进行时间步常量次降噪后生成的新样本图片，其中，所述时间步常量对应所述样本噪声图设置，用于表征加噪获得所述样本噪声图时经过的时间步。7.如权利要求1所述的方法，其特征在于，构建初始的训练样本集时，执行以下操作：获取各样本图片，以及获取分别针对所述各样本图片标注的分类标签，其中，一个样本图片对应的分类标签中包括至少一种分类类别；基于所述各样本图片和对应的分类标签，以及样本噪声图和对应的时间步常量，生成初始的训练样本集。8.如权利要求1
‑
7任一项所述的方法，其特征在于，若样本图片的分类标签为基于内容类型确定的类别标签，所述预设的各分类类别为针对图片内...

【专利技术属性】
技术研发人员：朱城，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：