[发明专利]神经网络模型的训练方法和装置、电子设备和计算机存储介质

权利要求书

1.一种神经网络模型的训练方法，其特征在于，包括：

基于样本图像总数小于预设值的样本列表中的至少一个样本图像，从N种图像变换方式中选取T种图像变换方式，对所述样本图像依次进行与所述T种图像变换方式相应的变换处理，获得新样本图像，并将新样本图像增加至所述样本图像所属的样本列表中；其中，N为大于1的整数，T为大于0的整数，且T≤N；每个所述样本列表包括同一类别的样本图像；

从n个类别的样本列表中多次选取训练样本子集，得到多个训练样本子集，其中，所述多次选取中至少两次训练样本子集选取的类别不同，且每次训练样本子集的选取包括：从所述n个类别中选取出t个类别、并从所述t个类别的每个类别分别对应的样本列表中各自选取至少一个样本图像，得到一训练样本子集；其中，n和t均为整数，且1t≤n；

基于选取的所述多个训练样本子集分别调整神经网络模型的网络参数，直至满足神经网络模型训练的停止条件，以便将训练好的神经网络模型用于进行图像分类任务。

2.根据权利要求1所述的方法，其特征在于，所述从所述n个类别中选取出t个类别，包括：从包含有n个类别的类别列表中随机或依次选取出t个类别。

3.根据权利要求2所述的方法，其特征在于，所述从包含有n个类别的类别列表中依次选取出t个类别，包括：

若类别列表中当前未被选取的类别的数目t₀小于t，从类别列表中依次选取t₀个未被选取的类别、改变类别列表中n个类别的顺序并从顺序改变后的类别列表中依次选取t-t₀个类别，或者，改变类别列表中n个类别的顺序并从顺序改变后的类别列表中依次选取t个类别；其中，t₀为整数，且0t₀≤n；和/或，

若类别列表中当前未被选取的类别的数目为0，改变类别列表中n个类别的顺序、并从顺序改变后的类别列表中依次选取t个类别。

4.根据权利要求1所述的方法，其特征在于，不同次从所述n个类别中选取出的类别的数目t相同或不同；和/或，每次从每个类别对应的样本列表中选取的样本图像的数目相同或不同；和/或，不同次从每个类别对应的样本列表中选取的样本图像的数目相同或不同。

5.根据权利要求1所述的方法，其特征在于，从所述t个类别的每个类别分别对应的样本列表中各自选取至少一个样本图像，包括：从所述t个类别的每个类别分别对应的样本列表中随机或依次选取至少一个样本图像。

6.根据权利要求5所述的方法，其特征在于，从每个类别对应的样本列表中依次选取至少一个样本图像，包括：

若样本列表中当前未被选取的样本图像的数目小于需要选取的样本图像的数目，从样本列表中依次选取所有未被选取的样本图像、改变样本列表中样本图像的排列顺序并从顺序改变后的样本列表中依次选取剩余数目的样本图像，或者，改变样本列表中样本图像的排列顺序并从顺序改变后的样本列表中依次选取需要选取数目的样本图像；和/或，

若样本列表中当前未被选取的样本图像的数目为0，改变样本列表中样本图像的排列顺序、并从顺序改变后的样本列表中依次选取需要选取数目的样本图像。