[发明专利]一种图像分类模型的优化方法及装置

说明书

本申请适用于图像处理技术领域，提供了一种图像分类模型的优化方法及装置。该方法包括：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。

技术领域

本申请属于图像处理技术领域，尤其涉及一种图像分类模型的优化方法及装置。

背景技术

针对已经完成训练的图像分类模型来讲，当应用于不同的场景时，图像分类模型的效果可能不同。在有的场景中，图像分类模型的准确率较低。因此，为了提高图像分类模型在不同场景下的准确率，往往会利用新场景的新增图像，对图像分类模型进行优化。一种常见的优化方式未基于增量学习方法实现对图像分类模型的优化。

然而，现有增量学习方法往往是在图像分类模型的历史图像中，按照与新增图像的比例，选择一部分历史图像。然后基于选择的历史图像和新增图像对图像分类模型进行训练。这导致没有被选中的历史图像可能被遗忘，出现模型偏移(该图像分类模型在历史图像集上的性能下降)问题。

发明内容

本申请实施例提供了一种图像分类模型的优化方法及装置，可以解决现有技术中，利用增量学习方法对图像分类模型进行优化的过程中造成的模型偏移的问题。

第一方面，本申请提供一种图像分类模型的优化方法，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。

采用本申请提供的图像分类模型的优化方法，在对图像分类模型进行训练时，在每轮一训练过程中，都从历史图像集中进行一次图像采集。且每一次采集的图像都不一样。因此，相比于现有的增量学习方法，采用本申请中能够使得图像分类模型学习到更多的历史图像，从而降低图像分类模型在优化的过程中，出现模型偏移的可能性。

第二方面，本申请提供一种图像分类模型的优化装置，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。

第三方面，本发明实施例提供一种终端设备，包括处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面或者第一方面的任一可选方式所述的图像分类模型的优化方法。