一种图像分类方法、装置、设备、可读存储介质及产品制造方法及图纸

本申请实施例公开了一种图像分类方法、装置、设备、可读存储介质及产品，其中，方法包括：获取初始训练集合，采用该初始训练集合训练初始预测模型，得到中间预测模型；采用中间预测模型对初始训练集合中的每个样本图像进行图像预测处理，得到第一图像预测结果；第一图像预测结果用于指示每个样本图像的样本类别；基于第一图像预测结果从初始训练集合中确定第一样本图像和第二样本图像；对第一样本图像进行图像标注，得到第一样本标注图像，利用第一样本标注图像和第二样本图像迭代训练中间预测模型，得到目标预测模型；目标预测模型用于预测图像的图像类别。采用本申请实施例，可以提升模型学习效果，提升图像分类的准确性。

【技术实现步骤摘要】

本申请涉及图像处理，尤其涉及一种图像分类方法、装置、设备、可读存储介质及产品。

技术介绍

1、图像分类任务被广泛应用于各种场景中，为了提升图像分类效率一般是训练分类模型，采样训练后的分类模型来进行图像分类。然而在训练分类模型的过程中，训练样本的选择是一大难题。选择的训练样本容易出现训练样本的类别分布不均衡，训练样本的数据量不够以及训练样本的质量较低等问题，因此在训练分类模型的过程中，会导致分类模型学习效果较差，进而降低了图像分类的准确性。

技术实现思路

1、本申请实施例提供一种图像分类方法、装置、设备、可读存储介质及产品，可以提升模型学习效果，进而提升图像分类的准确性。

2、第一方面，本申请提供一种图像分类方法，包括：

3、获取初始训练集合，采用该初始训练集合训练初始预测模型，得到中间预测模型；

4、采用该中间预测模型对该初始训练集合中的每个样本图像进行图像预测处理，得到每个样本图像的第一图像预测结果；该第一图像预测结果用于指示该每个样本图像的样本类别；

5、基本文档来自技高网...

【技术保护点】

1.一种图像分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一图像预测结果包括所述每个样本图像为多种图像类别的概率中的最大概率；

3.根据权利要求1所述的方法，其特征在于，所述第一图像预测结果包括所述每个样本图像为多种图像类别的概率中的最大概率，图像类别包括场景类别和布局类别，所述第一图像预测结果包括所述每个样本图像为场景类别对应的第一概率和所述每个样本图像为布局类别对应的第二概率，所述第一概率为所述每个样本图像为多种场景类别的概率中的最大概率，所述第二概率为所述每个样本图像为多种布局类别的概率中的最大概率；

4....

【技术特征摘要】

1.一种图像分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一图像预测结果包括所述每个样本图像为多种图像类别的概率中的最大概率；

3.根据权利要求1所述的方法，其特征在于，所述第一图像预测结果包括所述每个样本图像为多种图像类别的概率中的最大概率，图像类别包括场景类别和布局类别，所述第一图像预测结果包括所述每个样本图像为场景类别对应的第一概率和所述每个样本图像为布局类别对应的第二概率，所述第一概率为所述每个样本图像为多种场景类别的概率中的最大概率，所述第二概率为所述每个样本图像为多种布局类别的概率中的最大概率；

4.根据权利要求1所述的方法，其特征在于，所述对所述第一样本图像进行图像标注，得到第一样本标注图像，包括：

5.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：杨静，
申请(专利权)人：书行科技北京有限公司，
类型：发明
国别省市：