图像分类模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种图像分类模型的训练方法、装置、电子设备及存储介质，属于图像处理技术领域，方法包括：基于多模态大模型和预设深度学习模型对样本图像集的粗分类结果和粗标记结果，得到第一训练样本，基于第一训练样本对预设深度学习模型进行训练，得到初始图像分类模型；基于多模态大模型和初始图像分类模型的精分类结果和精标记结果，确定第二训练样本，基于第二训练样本对初始图像分类模型进行训练，得到图像分类模型。本发明专利技术根据多模态大模型对样本图像集的粗标记结果、粗分类结果、精分类结果和精标记结果，得到图像分类模型，实现了对样本图像集中未知类别的图像的自动分类，有利于提高对图像进行分类的效率。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种图像分类模型的训练方法、装置、电子设备及存储介质。

技术介绍

1、现有的图像分类工具有标签盒(labelbox)、标签我(labelme)、计算机视觉标注工具(cvat)、标签图片(labelimg)等。

2、上述图像分类工具在使用过程中需要使用者熟悉图像分类工具的使用，使用者具备ai图像类的基础知识。因此，使用上述图像分类工具并不能识别图像的自动分类。同时，上述图像分类工具并不能对未知类别的图像进行分类。

3、综上可知，现有的图像的分类并不能对未知类别的图像进行自动分类。

技术实现思路

1、本专利技术提供一种图像分类模型的训练方法、装置、电子设备及存储介质，用以解决现有技术中图像的分类并不能对未知类别的图像进行自动分类的缺陷，实现对未知类别的图像进行自动分类。

2、第一方面，本专利技术提供一种图像分类模型的训练方法，包括：基于多模态大模型和预设深度学习模型对样本图像集的粗分类结果和粗标记结果，得到第一训练样本，所述粗分类结果包括未知类别本文档来自技高网...

【技术保护点】

1.一种图像分类模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述粗分类结果还包括已知类别样本图像集，所述粗标记结果包括已知类别图像集标签和未知类别图像集标签；所述基于多模态大模型和预设深度学习模型对样本图像集的粗分类结果和粗标记结果，得到第一训练样本，包括：

3.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述基于多模态大模型和所述初始图像分类模型对所述未知类别样本图像集的精分类结果和对所述未知类别样本图像集的精标记结果，确定第二训练样本，包括：

4.根据权利要求3所述的图像分类模型的训练...

【技术特征摘要】

1.一种图像分类模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述粗分类结果还包括已知类别样本图像集，所述粗标记结果包括已知类别图像集标签和未知类别图像集标签；所述基于多模态大模型和预设深度学习模型对样本图像集的粗分类结果和粗标记结果，得到第一训练样本，包括：

3.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述基于多模态大模型和所述初始图像分类模型对所述未知类别样本图像集的精分类结果和对所述未知类别样本图像集的精标记结果，确定第二训练样本，包括：

4.根据权利要求3所述的图像分类模型的训练方法，其特征在于，所述基于所述第二训练样本对所述初始图像分类模型进行训练，得到图像分类模型，包括：

5.根据权利要求3所述的图像分类模型的训练方法，其...

【专利技术属性】
技术研发人员：肖傲文，黄践焜，倪健，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：