[发明专利]图像分类模型的训练方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像分类模型的训练方法、装置、计算机设备和存储介质。所述方法包括：获取训练图像和所述训练图像对应的标签；将所述训练图像输入图像分类模型的分类网络，得到所述训练图像对应各类别的第一概率；获取各类别的目标表征权重向量，根据所述各类别的目标表征权重向量确定所述各类别之间的关联概率；根据所述训练图像对应的标签、所述第一概率和所述各类别之间的关联概率构建目标损失函数；基于所述目标损失函数对所述图像分类模型进行训练，当满足预设条件时停止训练，得到训练好的图像分类模型。采用本方法能够使图像分类模型在训练过程中学习到类别之间的关联性，基于类别之间的关联提高图像分类模型的分类准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像分类模型的训练方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了对图像的分类技术，通过图像分类技术能够快速识别图像所属的类别，从而将相同类别的图像归类。传统的图像分类方法一般是通过模型识别图像，直接输出该图像对应的类别。但对于图像的多分类问题，基于图像内容的属性、特征的丰富性和复杂性等导致图像分类的时候容易存在模棱两可的情况，造成图像分类不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确识别图像类别的图像分类模型的训练方法、装置、计算机设备和存储介质。

一种图像分类模型的训练方法，所述方法包括：

获取训练图像和所述训练图像对应的标签；

将所述训练图像输入图像分类模型的分类网络，得到所述训练图像对应各类别的第一概率；

获取各类别的目标表征权重向量，根据所述各类别的目标表征权重向量确定所述各类别之间的关联概率；

根据所述训练图像对应的标签、所述第一概率和所述各类别之间的关联概率构建目标损失函数；

基于所述目标损失函数对所述图像分类模型进行训练，当满足预设条件时停止训练，得到训练好的图像分类模型。

一种图像分类模型的训练装置，所述装置包括：

获取模块，用于获取训练图像和所述训练图像对应的标签；

第一输入模块，用于将所述训练图像输入图像分类模型的分类网络，得到所述训练图像对应各类别的第一概率；

确定模块，用于获取各类别的目标表征权重向量，根据所述各类别的目标表征权重向量确定所述各类别之间的关联概率；

构建模块，用于根据所述训练图像对应的标签、所述第一概率和所述各类别之间的关联概率构建目标损失函数；

训练模块，用于基于所述目标损失函数对所述图像分类模型进行训练，当满足预设条件时停止训练，得到训练好的图像分类模型。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

获取训练图像和所述训练图像对应的标签；

将所述训练图像输入图像分类模型的分类网络，得到所述训练图像对应各类别的第一概率；

获取各类别的目标表征权重向量，根据所述各类别的目标表征权重向量确定所述各类别之间的关联概率；

根据所述训练图像对应的标签、所述第一概率和所述各类别之间的关联概率构建目标损失函数；

基于所述目标损失函数对所述图像分类模型进行训练，当满足预设条件时停止训练，得到训练好的图像分类模型。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：