[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

说明书

本发明实施例公开了一种分类模型训练方法、图像分类方法、装置、设备及介质，所述分类模型训练方法包括：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。本发明实施例提供的分类模型训练方法通过将样本形状标记作为图像分类模型的训练特征之一，避免了分类模型训练过程中的过拟合，提高了图像分类的准确率。

技术领域

本发明实施例涉及图像处理领域，尤其涉及一种分类模型训练方法、图像分类方法、装置、设备及介质。

背景技术

目前，基于图像识别的新型无人售卖柜已经逐渐成为零售业的主流发展方向。与传统的自动售货机不同，新型无人售卖柜能够让顾客打开柜门后如同在超市一样自助选取商品，关门智能结算，使用更为便捷。新型无人售卖柜通过摄像头捕捉顾客购买过程的图像，通过检测、分类等图像识别方法识别顾客拿取商品，进而推算出用户的购买清单，用于在用户关门后智能结算。

其中，分类方法用于判断顾客购买商品的类别，是新型无人售货柜的核心技术。目前，图像分类方法的主流方式是基于卷积神经网络，通过训练一个深度网络模型来实现分类的目的。现有的深度网络模型主要包括多个特征提取层，提取出图像特征后，根据图像的特征向量得到图像中商品所属类别。

在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：通过相同的特征提取模块对所有的商品进行特征提取，容易使训练出的网络模型对图像的部分信息过拟合，导致分类准确率较低。

发明内容

本发明实施例提供了一种分类模型训练方法、图像分类方法、装置、设备及介质，以实现避免分类模型训练过程中的过拟合，提高图像分类的准确率。

第一方面，本发明实施例提供了一种图像分类模型训练方法，包括：

获取样本图像、样本图像的形状标记以及样本图像的类别标记；

基于样本图像、样本图像的形状标记以及样本图像的类别标记生成训练样本数据；

使用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。

第二方面，本发明实施例还提供了一种图像分类方法，包括：

获取待分类图像；

将待分类图像输入至训练好的图像分类模型中，获得图像分类模型输出的分类结果，其中，训练好的图像分类模型是使用本发明任意实施例所提供的图像分类模型训练方法进行训练得到的；

根据分类结果确定待分类图像的目标类别。

第三方面，本发明实施例还提供了一种图像分类模型训练装置，包括：

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

训练样本生成模块，用于基于样本图像、样本图像的形状标记以及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。

第四方面，本发明实施例还提供了一种图像分类装置，包括：

待分类图像获取模块，用于获取待分类图像；

分类结果获取模块，用于将待分类图像输入至训练好的图像分类模型中，获得图像分类模型输出的分类结果，其中，训练好的图像分类模型是使用本发明任意实施例所提供的图像分类模型训练方法进行训练得到的；

目标类别确定模块，用于根据分类结果确定待分类图像的目标类别。