【技术实现步骤摘要】
本申请实施例涉及图像处理，尤其涉及一种图像类别标注模型的训练方法、装置及电子设备。
技术介绍
1、在图像处理中，经常需要通过模型对图像进行分类，而精准的模型需要通过大量的高质量标注数据进行训练。
2、相关技术中，面对庞大的待标数据，借助人工标注加上部分自动化工具实现。
3、然而，上述手动标注方法，往往会耗费大量的人力和时间成本。
技术实现思路
1、本申请实施例提供了一种图像类别标注模型的训练方法、装置及电子设备，用以精准、高效地对图像类别进行自动标注。
2、第一方面，本申请实施例提供了第一种图像类别标注模型的训练方法，该方法包括：
3、基于训练集对预训练模型进行训练，得到第一模型；其中，所述训练集包括带目标类别标签的第一图像以及对应的目标类别标签；
4、通过所述第一模型对未带目标类别标签的第二图像进行类别预测，得到所述第二图像的预测类别标签；
5、通过基于对比文本-图像对的预训练(contrastive languag...
【技术保护点】
1.一种图像类别标注模型的训练方法，其特征在于，该方法包括：
2.如权利要求1所述的方法，其特征在于，基于训练集对预训练模型进行训练，得到第一模型，包括：
3.如权利要求1所述的方法，其特征在于，通过CLIP模型确定所述第二图像的类别信息之前，还包括：
4.如权利要求3所述的方法，其特征在于，基于所述训练集对所述CLIP模型进行调整，包括：
5.如权利要求1所述的方法，其特征在于，所述类别信息包括在各预设类别标签下的分值。
6.如权利要求5所述的方法，其特征在于，基于所述第二图像的类别信息以及预测类别标签，从...
【技术特征摘要】
1.一种图像类别标注模型的训练方法，其特征在于，该方法包括：
2.如权利要求1所述的方法，其特征在于，基于训练集对预训练模型进行训练，得到第一模型，包括：
3.如权利要求1所述的方法，其特征在于，通过clip模型确定所述第二图像的类别信息之前，还包括：
4.如权利要求3所述的方法，其特征在于，基于所述训练集对所述clip模型进行调整，包括：
5.如权利要求1所述的方法，其特征在于，所述类别信息包括在各预设类别标签下的分值。
6.如权利要求5所述的方法，其特征在于，基于所述第二图像的类别信息以及预测类别标...
【专利技术属性】
技术研发人员：游鹏，李志涵，张朋，张学涵，王仁根，汪志强，
申请(专利权)人：浙江大华技术股份有限公司，
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。