【技术实现步骤摘要】
本申请实施例涉及图像处理，尤其涉及一种图像内容分类方法、装置、设备、存储介质及产品。
技术介绍
1、图像内容分类是计算机视觉领域的基础问题，在学术界有广泛的研究基础，在工业界也存在广泛的应用场景，例如图像内容审核，图像内容理解等。目前图像分类大部分以统计机器学习和深度神经网络为技术基础，基本流程是预先定义一组目标类别，并收集一批带有类别标签的训练数据，根据任务目标选择模型和损失函数，并以梯度下降等优化算法更新模型参数以使模型预测的类别误差最小化，从而得到能针对目标类别对图像内容进行分类的模型。
2、在实际应用中，标签噪声经常成为图像分类模型的性能瓶颈，训练数据的类别标签通常直接或间接来自人工标注，但在大部分应用场景中，人工标注均无法保证百分百的准确率，即存在部分图像(即噪声样本)被打上错误的类别标签，这些错误的类别标签在后续的图像分类模型学习中会形成噪声干扰。
3、目前对噪声样本的处理，一般是使用多个模型集成、特征聚类等方法识别出带有标签噪声的噪声样本，然后直接过滤掉噪声样本。但是这种模型训练方式会导致大量非噪声...
【技术保护点】
1.一种图像内容分类方法，其特征在于，包括：
2.根据权利要求1所述的图像内容分类方法，其特征在于，所述图像内容分类模型的训练过程包括：
3.根据权利要求2所述的图像内容分类方法，其特征在于，所述对所述增强图像进行噪声样本识别得到潜在噪声图像，包括：
4.根据权利要求3所述的图像内容分类方法，其特征在于，所述基于所述样本图像与所述增强图像的得分一致性，从所述增强图像中确定第一噪声图像，包括：
5.根据权利要求4所述的图像内容分类方法，其特征在于，所述根据所述模型得分以及所述样本图像对应的类别标签，确定各个所述增强图像的噪
【技术特征摘要】
1.一种图像内容分类方法，其特征在于，包括：
2.根据权利要求1所述的图像内容分类方法，其特征在于，所述图像内容分类模型的训练过程包括：
3.根据权利要求2所述的图像内容分类方法，其特征在于，所述对所述增强图像进行噪声样本识别得到潜在噪声图像，包括：
4.根据权利要求3所述的图像内容分类方法，其特征在于，所述基于所述样本图像与所述增强图像的得分一致性，从所述增强图像中确定第一噪声图像，包括：
5.根据权利要求4所述的图像内容分类方法，其特征在于，所述根据所述模型得分以及所述样本图像对应的类别标签，确定各个所述增强图像的噪声指标，包括：
6.根据权利要求5所述的图像内容分类方法，其特征在于，所述确定所述模型得分以及所述样本图像对应的类别标签之间的第一样本误差和样本标准差，包括：
7.根据权利要求4所述的图像内容分类方法，其特征在于，所述根据所述噪声指标从所述增强图像中确定第一噪声图像，包括：
8.根据权利要求3所述的图像内容分类方法，其特征在于，所述基于所述样本图像与所述增强图像的预测误差分布，从所述增强图像中确定第二噪声图像，包括：
9.根据权利要求2所述的图像内容分类方法，其特征在于...
【专利技术属性】
技术研发人员：蔡祎俊，陈德健，项伟，
申请(专利权)人：百果园技术新加坡有限公司，
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。