一种训练图像分类模型的方法、装置、设备及存储介质制造方法及图纸

本申请提供一种训练图像分类模型的方法、装置、设备及存储介质，可以应用于人工智能领域或智慧医疗领域等，用于解决训练得到的目标图像分类模型的分类准确性和分类可靠性较低的问题。该方法至少包括：针对选取的样本图像，采用模态处理模型，分别按照关联的至少一个参考图像的图像模态，将样本图像模态转换为相应的样本转换图像；采用图像分类模型，提取样本图像和获得的至少一个样本转换图像的共有特征，并基于共有特征，确定样本图像的预测分类；基于至少一个样本转换图像、至少一个参考图像，以及预测分类，调整模型参数，可以基于一种图像模态的样本图像，学习到多种图像模态的图像特征，提高了目标图像分类模型的分类准确性。

【技术实现步骤摘要】

本申请涉及计算机，尤其涉及一种训练图像分类模型的方法、装置、设备及存储介质。

技术介绍

1、随着科技的不断发展，越来越多的设备可以提供图像分类服务，图像分类服务可以用于确定目标图像中目标的所属类别。

2、由于同一个目标可以关联有多种图像模态的目标图像，每种图像模态的目标图像可以表征该目标不同的特征信息，因此在训练图像分类模型时，可以结合不同图像模态的多个样本图像集合，对待训练的图像分类模型进行训练，以获得更加准确地目标图像分类模型。

3、例如，对于同一个人的大脑来说，关联有磁共振图像(magnetic resonanceimage，mri)和正电子发射计算机断层显像(positron emission tomography，pet)等。磁共振图像主要表征大脑的结构性特征信息，正电子发射计算机断层显像主要表征大脑的功能性特征信息。因此，可以结合包含磁共振图像的样本图像集合，以及包含正电子发射计算机断层显像的样本图像集合，对待训练的图像分类模型进行训练，以获得更加准确地目标图像分类模型。

4、传统的结合不同图像模态的多个样本本文档来自技高网...

【技术保护点】

1.一种训练图像分类模型的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述模态处理模型包含至少一个样本转换网络，所述样本转换网络用于输出与所述样本图像集不同的图像模态的图像，不同样本转换网络输出的图像对应不同的图像模态；

3.根据权利要求1所述的方法，其特征在于，所述采用所述图像分类模型，提取所述样本图像和获得的至少一个样本转换图像的共有特征，并基于所述共有特征，确定所述样本图像的预测分类，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个样本转换图像、所述至少一个参考图像，以及所述预测分类，调整所述模态处理...

【技术特征摘要】

1.一种训练图像分类模型的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述模态处理模型包含至少一个样本转换网络，所述样本转换网络用于输出与所述样本图像集不同的图像模态的图像，不同样本转换网络输出的图像对应不同的图像模态；

3.根据权利要求1所述的方法，其特征在于，所述采用所述图像分类模型，提取所述样本图像和获得的至少一个样本转换图像的共有特征，并基于所述共有特征，确定所述样本图像的预测分类，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个样本转换图像、所述至少一个参考图像，以及所述预测分类，调整所述模态处理模型和所述图像分类模型的模型参数，包括：

5.根据权利要求4所述的方法，其特征在于，所述模态处理模型包含判别网络，所述判别网络用于：预测输入图像是通过模态转换获得的判别概率；

6.根据权利要求4所述的方法，其特征在于，所述模态处理模型包括样本转换网络和参考转换网络，所述样本转换网络用于获得与所述样本图像集不同的图像模态的图像，所述参考转换网络用于获得与所述样本图像集相同的图像模态的图像；

7.根据权利要求4所述的方法，其特征在于，所述至少一个参考图像关联有相应的参考转换图像，所述参考转换图像是按照所述样本图像的图像模态，对相应的参考图像进行模态转换...

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