[发明专利]图像分类方法及装置、设备、存储介质

说明书

本申请实施例公开了图像分类方法及装置、设备、存储介质，其中，所述方法包括：获取待分类图像；根据已训练的目标分类器确定所述待分类图像的类型，其中，所述目标分类器为基于多个初始分类器进行训练得到的满足预定条件的分类器；输出所述待分类图像的类型。

技术领域

本申请实施例涉及计算机视觉，涉及但不限于图像分类方法及装置、设备、存储介质。

背景技术

图像分类是计算机视觉领域的重要问题，随着深度学习的出现，图像分类问题取得了令人激动的进步。图像分类往往也是后续其他任务的一个基础，例如，从图像中重建三维模型时，图像分类是重建三维模型的基础。一般来说，分类器的训练需要数以万计的标签样本，而标签样本的标签成本较高。为了降低标签成本，研究弱监督学习的方法具有很大的意义。这种方法可以用少量标签样本结合大量无标签样本来训练分类器，并达到较高的分类精度。

然而，在训练过程中，无标签样本不带有任何的标签信息，所以需要经过复杂的预处理等操作后才能帮助构建更好的图像分类器。目前，已经有很多方法被提出，例如，VAT方法，即，对同一个样本进行两次预测，再计算两次预测结果的差异，该差异用于生成新样本，从而来辅助训练；再如，Mean-Teacher方法，通过构造一个更好的累积分类器来辅助性能的提升。

但是，这些方法都会造成无标签样本的分类错误，这些错误因为难以被纠正，造成不尽人意的分类结果。

发明内容

有鉴于此，本申请实施例为解决相关技术中存在的至少一个问题而提供图像分类方法及装置、设备、存储介质。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供一种图像分类方法，所述方法包括：

获取待分类图像；

根据已训练的目标分类器确定所述待分类图像的类型，其中，所述目标分类器为基于多个初始分类器进行训练得到的满足预定条件的分类器；

输出所述待分类图像的类型。

在其他实施例中，所述目标分类器的训练过程包括：

对多个初始分类器进行至少一次竞争训练，得到分类器集合；

将所述分类器集合中分类性能最优的分类器确定为所述目标分类器。

在其他实施例中，所述对多个初始分类器进行至少一次竞争训练，得到分类器集合，包括：

对多个初始分类器进行性能竞争，将当前分类性能最优的初始分类器确定为赢家分类器，将除所述赢家分类器外的其他初始分类器确定为输家分类器；

对所述赢家分类器和所有所述输家分类器进行一次训练；

对所述一次训练后的赢家分类器和所述一次训练后的任一输家分类器再次进行性能竞争和训练；

重复执行N次性能竞争和N次训练，将最后一次迭代得到的所有分类器确定为所述分类器集合；N为大于等于1的整数。

在其他实施例中，对所述赢家分类器进行一次训练，包括：

获取有标签的第一样本组；

基于所述第一样本组，对所述赢家分类器进行训练。

在其他实施例中，所述基于所述第一样本组，对所述赢家分类器进行训练，包括：

基于所述第一样本组，确定所述赢家分类器的第一损失函数；

基于所述第一损失函数，训练所述赢家分类器。

在其他实施例中，所述赢家分类器包括第一子模型和由所述第一子模型生成的第二子模型；