[发明专利]机器学习模型训练方法和装置、表情图像分类方法和装置

说明书

本发明涉及一种机器学习模型训练方法和装置，所述方法包括：获取根据通用图像训练集训练得到的包括有模型参数的机器学习模型；确定专用图像的样本和相对应的分类标签；将所述专用图像的样本输入所述机器学习模型，得到中间分类结果；按照所述中间分类结果与所述分类标签的差异，调整所述机器学习模型的模型参数并继续训练，直至满足训练停止条件时结束训练。本申请提供的方案提高了机器学习模型训练的效率。

技术领域

本发明涉及机器学习领域，特别是涉及一种机器学习模型训练方法和装置、表情图像分类方法和装置。

背景技术

目前，随着终端存储技术和网络技术的发展，基于图像的交互变得越来越容易，越来越多的用户选择使用图像进行交互，使得用于交互的图像数量日益增多。将图像进行合适的分类，对于用户个性化推荐、用户画像构建等都有非常重要的作用。目前，可使用训练好的机器学习模型来进行图像分类。传统的机器学习模型训练方式，通常是使用大量的训练数据来对机器学习模型进行训练，使模型习得分类规则，以提高模型的分类准确率。

然而基于传统的模型训练方式，由于需要使用大量的训练数据，在获取训练数据和使用训练数据对模型进行训练时都会耗费大量的时间，导致机器学习模型训练效率比较低。

发明内容

基于此，有必要针对传统的机器学习模型训练效率低的问题，提供一种机器学习模型训练方法和装置、表情图像分类方法和装置。

一种机器学习模型训练方法，所述方法包括：

获取根据通用图像训练集训练得到的包括有模型参数的机器学习模型；

确定专用图像的样本和相对应的分类标签；

将所述专用图像的样本输入所述机器学习模型，得到中间分类结果；

按照所述中间分类结果与所述分类标签的差异，调整所述机器学习模型的模型参数并继续训练，直至满足训练停止条件时结束训练。

一种机器学习模型训练装置，所述装置包括：

获取模块，用于获取根据通用图像训练集训练得到的包括有模型参数的机器学习模型；

确定模块，用于确定专用图像的样本和相对应的分类标签；

分类模块，用于将所述专用图像的样本输入所述机器学习模型，得到中间分类结果；

训练模块，用于按照所述中间分类结果与所述分类标签的差异，调整所述机器学习模型的模型参数并继续训练，直至满足训练停止条件时结束训练。

一种表情图像分类方法，基于机器学习模型训练方法，所述方法包括：

将待分类的表情图像输入训练好的机器学习模型，得到输入的表情图像分类到每个分类标签所对应的概率；所述训练好的机器学习模型，是将表情图像的样本作为专用图像的样本、并采用所述机器学习模型训练方法训练得到的；

确定得到的所述概率中的最大概率；

将所述待分类的表情图像分类到所述最大概率对应的分类标签。

一种表情图像分类装置，基于机器学习模型训练装置，所述表情图像分类装置包括：

机器学习模型，用于输入待分类的表情图像，输出待分类的表情图像分类到每个分类标签所对应的概率；所述机器学习模型，是将表情图像的样本作为专用图像的样本、并采用所述机器学习模型训练装置训练得到的；

分类模块，用于确定得到的所述概率中的最大概率；将所述待分类的表情图像分类到所述最大概率对应的分类标签。