【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种样本图像数据的增强方法、图像分类模型的训练方法、图像分类方法、装置、设备和存储介质。
技术介绍
1、在半监督目标检测任务中，由于有标签样本图像数据在数据集中的数量往往相对较少，从而采用这样的数据集对于深度学习模型的训练，会面临“监督有限”的问题，容易导致训练得到的深度学习模型在进行类别预测时出现不平衡现象——即，模型更容易识别出常见类别或易于检测的目标，而漏检稀有类别或难以检测的目标。
2、针对上述问题，如何加强无标签样本图像数据在训练过程中的作用，以避免上述不平衡现象的出现，是亟待解决的问题。
技术实现思路
1、本申请实施例提供一种样本图像数据的增强方法，用以解决如何加强无标签样本图像数据在模型训练过程中的作用，以避免出现模型对于类别预测的不平衡现象的问题。
2、本申请实施例还提供一种图像分类模型的训练方法，用以解决如何加强无标签样本图像数据在训练过程中的作用，以避免出现类别预测的不平衡现象的问题。
3、本申请实施例...
【技术保护点】
1.一种样本图像数据的增强方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，满足预设分类困难条件的无监督损失，包括：
3.如权利要求1所述的方法，其特征在于，所述待训练的第一图像分类模型的分类任务包括目标检测任务；
4.如权利要求3所述的方法，其特征在于，对所述困难样本图像数据中的目标对象进行尺度变换，得到所述增广样本图像数据集，包括：
5.如权利要求4所述的方法，其特征在于，所述对所述困难样本图像数据中的目标对象进行增大处理，得到所述增广样本图像数据集，包括：
6.如权利要求1-5任一项所述...
【技术特征摘要】
1.一种样本图像数据的增强方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，满足预设分类困难条件的无监督损失，包括：
3.如权利要求1所述的方法，其特征在于，所述待训练的第一图像分类模型的分类任务包括目标检测任务；
4.如权利要求3所述的方法，其特征在于，对所述困难样本图像数据中的目标对象进行尺度变换，得到所述增广样本图像数据集，包括：
5.如权利要求4所述的方法，其特征在于，所述对所述困难样本图像数据中的目标对象进行增大处理，得到所述增广样本图像数据集，包括：
6.如权...
【专利技术属性】
技术研发人员：吕永春，朱徽，王洪斌，周迅溢，曾定衡，蒋宁，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
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。