[发明专利]图像分类模型的训练方法及装置

说明书

本发明提供了一种图像分类模型的训练方法、装置、电子设备及存储介质；方法包括：采用图像测试样本，对完成第一阶段训练的图像分类模型进行准确度检测，以确定图像分类模型的准确度；基于准确度确定图像分类模型的图像训练样本满足噪声识别的触发条件时，对图像分类模型的图像训练样本进行噪声识别，得到图像训练样本归属于噪声样本的概率；以概率作为图像训练样本的权重，采用加权后的图像训练样本训练图像分类模型，直至完成第二阶段的训练；如此，能够在图像分类模型完成第一阶段的基础上，依据图像训练样本归属于噪声样本的概率对图像分类模型进行第二阶段的训练，提高训练得到的图像分类模型的预测准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像分类模型的训练方法、装置、电子设备及存储介质。

背景技术

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术，人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。其中，机器学习(ML，Machine Learning)是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习和归纳学习等技术。

图像的分类与识别是人工智能的重要应用分支，在通过训练样本对图像分类模型进行训练时，由于人为原因训练样本常常是带噪的，比如标注人员在简单的猫狗分类标注任务中标注错误率非常低，然而当要判断一件衣服是雪纺还是纯棉则会比较困难，则使得标注错误率大幅上升。如此，由于训练样本中噪声数据的存在，导致基于此类训练样本训练得到的图像分类模型的分类预测性能下降。

发明内容

本发明实施例提供一种图像分类模型的训练方法、装置、电子设备及存储介质，能够在图像分类模型完成第一阶段的基础上，依据图像训练样本归属于噪声样本的概率对图像分类模型进行第二阶段的训练，提高训练得到的图像分类模型的预测准确度。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种图像分类模型的训练方法，包括：

采用图像测试样本，对完成第一阶段训练的图像分类模型进行准确度检测，以确定所述图像分类模型的准确度；

基于所述准确度确定所述图像分类模型的图像训练样本满足噪声识别的触发条件时，

通过噪声识别模型，对所述图像分类模型的图像训练样本进行噪声识别，得到所述图像训练样本归属于噪声样本的概率；

以所述概率作为所述图像训练样本的权重，对所述图像训练样本进行加权处理，得到加权后的图像训练样本；

采用所述加权后的图像训练样本训练所述图像分类模型，直至完成第二阶段的训练。

本发明实施例还提供一种图像分类模型的训练装置，包括：

检测模块，用于采用图像测试样本，对完成第一阶段训练的图像分类模型进行准确度检测，以确定所述图像分类模型的准确度；

噪声识别模块，用于基于所述准确度确定所述图像分类模型的图像训练样本满足噪声识别的触发条件时，通过噪声识别模型，对所述图像分类模型的图像训练样本进行噪声识别，得到所述图像训练样本归属于噪声样本的概率；

加权模块，用于以所述概率作为所述图像训练样本的权重，对所述图像训练样本进行加权处理，得到加权后的图像训练样本；

训练模块，用于采用所述加权后的图像训练样本训练所述图像分类模型，直至完成第二阶段的训练。

上述方案中，所述装置还包括：

确定模块，用于将所述图像分类模型的准确度与准确度阈值进行比较，得到比较结果；