[发明专利]样本图像分类训练方法、装置、计算机设备和存储介质

权利要求书

1.一种样本图像分类训练方法，所述方法包括：

获取视频流数据，所述视频流数据包括多帧图像；

利用分类识别模型对所述多帧图像进行筛选，得到多个不同类别的样本图像集；

计算所述多个不同类别的样本图像集对应的样本比例数据，得到对应的第一样本比例数据集；

当所述第一样本比例数据满足第一阈值条件时，对所述第一样本比例数据对应的样本图像集进行增强处理，得到新增样本图像集；

根据所述新增样本图像集对所述样本图像集进行更新；

根据预设自定义阈值，动态调整更新后的样本图像集，得到多个自定义样本图像集，包括：

计算所述更新后的样本图像集对应的样本比例数据，得到对应的第二样本比例数据集；

当所述第二样本比例数据大于预设自定义阈值时，对所述第二样本比例数据对应的样本图像集的样本数量进行裁剪，将裁剪后的样本图像集标记为自定义样本图像集；

当所述第二样本比例数据小于预设自定义阈值时，则将所述第二样本比例数据对应的样本图像集标记为自定义样本图像集；

对所述自定义样本图像集进行训练，直至所确定的损失值达到训练停止条件。

2.根据权利要求1所述的方法，其特征在于，所述当所述第一样本比例数据满足第一阈值条件时，对所述第一样本比例数据对应的样本图像集进行增强处理，得到新增样本图像集，包括：

对所述多个不同类别的样本图像集中的样本图像进行随机抽取，得到随机抽取的原样本图像；

对所述原样本图像的亮度和对比度进行随机调整，得到新增样本图像。

3.根据权利要求1所述的方法，其特征在于，所述当所述第二样本比例数据大于预设自定义阈值时，对所述第二样本比例数据对应的样本图像集进行裁剪之前，所述方法还包括：

获取所述更新后的样本图像集中最小样本数量，将所述最小样本数量标记为标准单位量；

将剩余样本图像集的样本数量，按照所述标准单位量进行等分，得到对应的多个标准单位量样本图像集。

4.根据权利要求3所述的方法，其特征在于，所述对所述自定义样本图像集进行训练包括：

从每个自定义样本图像集中获取对应的标准单位量样本图像集；

加载所述分类识别模型对所述标准单位量样本图像集进行训练，当检测到训练的样本图像集对应的损失值满足预设损失值阈值时，则对所述样本图像集的样本数量进行裁剪，对裁剪后的样本图像集继续进行训练。

5.根据权利要求4所述的方法，其特征在于，所述加载所述分类识别模型对所述标准单位量样本图像集进行训练，包括：

根据排列组合原理依次对所述自定义样本图像集对应的标准单位量样本图像集进行训练。

6.根据权利要求1所述的方法，其特征在于，所述对所述自定义样本图像集进行训练，直至所确定的损失值达到训练停止条件之后，所述方法还包括：

通过修改所述分类识别模型中的损失函数，向所述分类识别模型添加图像样本数量比例权重，对所述分类识别模型进行优化；

利用优化后的分类识别模型对更新后的样本图像集进行重新训练，得到训练后的分类识别模型。