【技术实现步骤摘要】
本申请涉及图像识别，特别涉及一种图像分类模型的训练方法、图像分类方法、计算设备集群及计算机可读取存储介质。
技术介绍
1、图像分类是机器学习的基本任务，其主要通过图像的语义信息将不同类别的图像区分开来，图像分类技术也是图像检测、分割、目标追踪等计算机视觉(computer vision，cv)任务的基础。图像分类技术在很多领域都有重要的应用，例如安防领域的人脸识别和视频分析，交通领域的场景识别，互联网领域的图像检索以及医学领域的图像识别等。
2、一般来说，传统的图像分类方法中通常需要通过手工特征方法对图像进行整体描述，然后通过图像分类模型(即图像分类器)判断图像中物体的类别以得到图像的分类结果。当前，基于深度学习的图像分类方法，可以利用图像的像素信息作为输入，通过卷积等操作进行特征提取和高层抽象，最后直接输出图像的分类结果，这种端到端的方法简单高效，目前已经得到广泛的应用。
3、但是，当前的图像分类方法多聚焦于单张图像的图像分类，或者尺度统一固定的视频对应的视频帧序列和三维图像块的图像分类，尺度例如是指视频对应的...
【技术保护点】
1.一种图像分类模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述初始图像分类模型还包括第二初始图像分类模块，所述第二初始图像分类模块为具有特征表达能力的图像分类模块，所述目标图像分类模型包括与所述第一初始图像分类模块对应的第一目标图像分类模块和与所述第二初始图像分类模块对应的第二目标图像分类模块，以及所述训练数据集包括第一训练数据集和第二训练数据集；则，根据所述训练数据集，以及预设的用于图像分类的分类向量，对所述初始图像分类模型进行模型训练，得到所述初始图像分类模型对应的目标图像分类模型，包括：
<...【技术特征摘要】
1.一种图像分类模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述初始图像分类模型还包括第二初始图像分类模块，所述第二初始图像分类模块为具有特征表达能力的图像分类模块，所述目标图像分类模型包括与所述第一初始图像分类模块对应的第一目标图像分类模块和与所述第二初始图像分类模块对应的第二目标图像分类模块，以及所述训练数据集包括第一训练数据集和第二训练数据集；则，根据所述训练数据集，以及预设的用于图像分类的分类向量，对所述初始图像分类模型进行模型训练，得到所述初始图像分类模型对应的目标图像分类模型，包括：
3.根据权利要求2所述的图像分类模型的训练方法，其特征在于，所述方法还包括通过以下方式，得到所述第一训练数据集：
4.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述目标图像分类模型包括与所述第一初始图像分类模块对应的第一目标图像分类模块，所述分类向量包括第一分类向量和第二分类向量，以及所述训练数据集包括第一训练数据集和第二训练数据集；则，根据所述训练数据集，以及预设的用于图像分类的分类向量，对所述初始图像分类模型进行模型训练，得到所述初始图像分类模型对应的目标图像分类模型，包括：
5.根据权利要求4所述的图像分类模型的训练方法，其特征在于，对所述预训练图像分类模块进行有监督的训练，包括：对所述预训练图像分类模块的参数进行参数调优处理。
6.根据权利要求4或5所述的图像分类模型的训练方法，其特征在于，所述方法还包括通过以下方式，得到所述第一训练数据集：
7.根据权利要求1-6任意一项所述的图像分类模型的训练方法，其特征在于，所述方法还包括通过以下方式，得到所述第二训练数据集：
8.根据权利要求1-6任意一项所述的图像分类模型的训练方法，其特征在于...
【专利技术属性】
技术研发人员：蒋东生，刘松林，张晓鹏，田奇，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。