【技术实现步骤摘要】
本专利技术涉及深度学习和计算机视觉领域，特别涉及一种基于大模型的图像分类方法及系统。
技术介绍
1、计算机视觉中的图像分类任务是人工智能领域的一项重要任务，其目的是将输入的图像自动标记为不同的类别。在现实场景的应用中，一个计算机视觉应用系统往往由一个算法族组合而成，涉及多个相互关联的子任务。以交通监控系统为例，车辆类别识别可以帮助系统更好地理解道路上的交通状况，车辆颜色识别可以用于统计和追踪特定颜色的车辆，而车辆逆行判断则可以及时发现危险行为并采取相应的措施。这些子任务相互协作，共同为系统提供全面而准确的视觉分析能力。
2、在现有的图像分类技术中，通常使用单一的模型来处理不同的分类任务，这可能会导致模型无法适应多样化的图像分类需求，同时也无法充分利用不同任务之间的共享知识和信息，进而导致现有图像分类的适应性和精确度较差。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种基于大模型的图像分类方法及系统，可以解决现有现有图像分类的适应性和精确度较差的问题。
2、...
【技术保护点】
1.一种基于大模型的图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述根据多个图像分类任务的训练数据，生成聚合的训练集的步骤包括：根据多个不同类别、不同领域的图像分类任务的训练数据生成聚合的训练集。
3.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述根据所述聚合训练集对预置大型神经网络模型进行训练，得到多任务的分类模型的步骤包括：
4.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述通过裁剪和/或蒸馏从所述多任务的分类模型中提取对应的...
【技术特征摘要】
1.一种基于大模型的图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述根据多个图像分类任务的训练数据，生成聚合的训练集的步骤包括：根据多个不同类别、不同领域的图像分类任务的训练数据生成聚合的训练集。
3.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述根据所述聚合训练集对预置大型神经网络模型进行训练，得到多任务的分类模型的步骤包括：
4.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述通过裁剪和/或蒸馏从所述多任务的分类模型中提取对应的轻量型分类模型的步骤包括：
5.根据权利要求1所述的一种基于大模型的图像分类方法，其特征在于，所述方法还包括：当...
【专利技术属性】
技术研发人员：闫军，王凤菊，王永飞，阳平，
申请(专利权)人：智慧互通科技股份有限公司，
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。