[发明专利]一种图像分类模型的优化方法及装置

权利要求书

1.一种图像分类模型的优化方法，其特征在于，包括：

获取新增图像集，所述新增图像中的新增图像为目标监控区域中监控图像，所述监控图像被标记有图像类别；

利用所述新增图像集和待优化的图像分类模型的历史图像集对所述图像分类模型进行N轮训练；其中，所述N轮中的第i轮训练过程包括：

从所述历史图像集中的第一剩余图像中选择M个历史图像，M与所述新增图像集中的新增图像个数P满足预设比例，所述第一剩余图像为在本轮训练之前未被选中的历史图像；

利用所述M个历史图像和所述新增图像集对所述图像分类模型进行迭代训练；其中，P、N、M以及i均为大于1的整数。

2.根据权利要求1所述的方法，其特征在于，所述利用所述新增图像集和图像分类模型的历史图像集对所述图像分类模型进行N轮训练之前，所述方法还包括：

对所述新增图像集和所述历史图像集中的图像排列顺序进行随机调整。

3.根据权利要求2所述的方法，其特征在于，所述从所述历史图像集中的第一剩余图像中选择M个历史图像，包括：

按照所述第一剩余图像在所述历史图像集中的图像排列顺序选择M个历史图像。

4.根据权利要求1所述的方法，其特征在于，所述利用所述M个历史图像和所述新增图像集对所述图像分类模型进行迭代训练，包括：

利用所述M个历史图像和所述新增图像集对所述图像分类模型进行K次迭代训练；其中，所述K次中的第j次训练过程包括：

从所述M个历史图像中的第二剩余图像中选择M/K个历史图像，所述第二剩余图像为在本次训练之前未被选中的历史图像，K以及j均为大于1的整数；

从所述新增图像集中按照顺序选择P/K个新增图像；

利用所述M/K个历史图像和所述P/K个新增图像对所述图像分类模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述从所述M个历史图像中的第二剩余图像中选择M/K个历史图像，包括：

按照所述M个历史图像的排列顺序从所述第二剩余图像中选择M/K个历史图像。

6.根据权利要求1所述的方法，其特征在于，所述获取新增图像集，包括：

获取所述目标监控区域的原始图像集；

基于主动学习法，从所述原始图像集中选择不确定性最高的部分图像，构成所述新增图像集。

7.一种图像分类模型的优化装置，其特征在于，包括：

获取单元，用于获取新增图像集，所述新增图像中的新增图像为目标监控区域中监控图像，所述监控图像被标记有图像类别；

训练单元，用于利用所述新增图像集和图像分类模型的历史图像集对所述图像分类模型进行N轮训练；其中，所述N轮中的第i轮训练过程包括：

从所述历史图像集中的第一剩余图像中选择M个历史图像，M与所述新增图像集中的新增图像个数满足预设比例，所述第一剩余图像为在本轮训练之前未被选中的历史图像；

利用所述M个历史图像和所述新增图像集对所述图像分类模型进行迭代训练；其中，N、M以及i均为大于1的整数。

8.根据权利要求7所述的装置，其特征在于，所述获取单元获取新增图像集，包括：

获取所述目标监控区域的原始图像集；

基于主动学习法，从所述原始图像集中选择不确定性最高的部分数据，构成所述新增图像集。

9.一种终端设备，其特征在于，处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。