[发明专利]分类模型训练方法、图像分类方法、装置、设备及介质

权利要求书

1.一种图像分类模型训练方法，其特征在于，包括：

获取样本图像、所述样本图像的形状标记以及所述样本图像的类别标记；

基于所述样本图像、所述样本图像的形状标记以及所述样本图像的类别标记生成训练样本数据；

使用所述训练样本数据对预先构建的图像分类模型进行训练，得到训练好的图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述预先构建的图像分类模型包括：初步分类模块、注意力模块和目标分类模块；其中，

所述初步分类模块，用于提取初步图像特征，并根据提取的初步图像特征输出初步分类结果；

所述注意力模块，用于对所述初步分类模块提取的所述初步图像特征进行加权变换，并输出注意力矩阵数据；

所述目标分类模块，用于根据所述注意力模块输出的所述注意力矩阵数据和所述初步分类模块提取的所述初步图像特征得到目标图像特征，并根据所述目标图像特征输出目标分类结果。

3.根据权利要求2所述的方法，其特征在于，所述初步分类模块包括顺次连接的第一特征提取网络、第二特征提取网络和第一分类模块，所述目标分类模块包括顺次连接的特征融合层、第三特征提取网络和第二分类模块，所述第一特征提取网络和所述第二特征提取网络与所述注意力模块相连；所述第一特征提取网络和所述注意力模块与所述特征融合层相连；

所述第一特征提取网络，用于提取第一图像特征；

所述第二特征提取网络，用于从所述第一图像特征中提取第二图像特征；

所述注意力模块，用于对所述一图像特征和所述第二图像特征进行加权变换，输出所述注意力矩阵数据；

所述第一分类模块，用于根据所述第二图像特征输出初步分类结果；

所述特征融合层，用于根据所述注意力矩阵数据对所述第一图像特征进行变化，得到第三图像特征；

所述第三特征提取网络，用于从所述第三图像特征中提取所述目标图像特征；

所述第二分类模块，用于根据所述目标图像特征输出所述目标分类结果。

4.根据权利要求2或3所述的方法，其特征在于，所述使用所述训练样本数据对预先构建的图像分类模型进行训练，得到训练好的图像分类模型，包括：

获取所述初步分类模块输出的初步分类结果以及所述目标分类模块输出的目标分类结果；

根据所述初步分类结果、所述形状标记、所述目标分类结果以及所述类别标记确定目标损失值，以所述目标损失值达到收敛条件为目标，对所述图像分类模型进行训练，得到训练好的图像分类模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述初步分类结果、所述形状标记、所述目标分类结果以及所述类别标记确定目标损失值，包括：

根据所述初步分类结果和所述形状标记确定形状损失值，根据所述目标分类结果和所述类别标记确定类别损失值；

将所述形状损失值与所述类别损失值之和作为所述目标损失值。

6.根据权利要求1所述的方法，其特征在于，所述样本图像基于售货柜中的物品图像获得。

7.一种图像分类方法，其特征在于，包括：

获取待分类图像；

将所述待分类图像输入至训练好的图像分类模型中，获得所述图像分类模型输出的分类结果，其中，所述训练好的图像分类模型是使用权利要求1-6任一项所述的图像分类模型训练方法进行训练得到的；

根据所述分类结果确定所述待分类图像的目标类别。

8.一种图像分类模型训练装置，其特征在于，包括：

样本数据获取模块，用于获取样本图像、所述样本图像的形状标记以及所述样本图像的类别标记；

训练样本生成模块，用于基于所述样本图像、所述样本图像的形状标记以及所述样本图像的类别标记生成训练样本数据；

分类模型训练模块，用于使用所述训练样本数据对预先构建的图像分类模型进行训练，得到训练好的图像分类模型。