[发明专利]图像分类模型的训练方法、装置、计算机设备及存储介质

权利要求书

1.一种图像分类模型的训练方法，其特征在于，所述方法包括：

在本轮迭代中，基于具有图像分割信息的第一样本图像和第一图像分类模型，更新第二图像分类模型；

将具有图像分类标签的第二样本图像输入更新后的所述第二图像分类模型，通过所述第二图像分类模型对所述第二样本图像进行分类，输出所述第二样本图像的分类结果；

响应于所述第二样本图像的分类结果不符合第一目标条件，基于所述第二样本图像的分类结果和所述第二样本图像的图像分类标签，更新所述第二图像分类模型；

基于具有图像分类标签的第三样本图像，更新所述第一图像分类模型；

在下一轮迭代中，基于更新后的所述第一图像分类模型继续训练所述第二图像分类模型，直至所述第二图像分类模型输出的分类结果符合所述第一目标条件；

将所述第二图像分类模型作为训练完成的图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述基于具有图像分割信息的第一样本图像和第一图像分类模型，更新第二图像分类模型，包括：

将第一样本图像和所述第一样本图像的图像分割信息输入所述第一图像分类模型，得到第一特征信息；

将所述第一样本图像输入所述第二图像分类模型，得到第二特征信息；

根据所述第一特征信息和所述第二特征信息之间的差异信息，更新所述第二图像分类模型。

3.根据权利要求1所述的方法，其特征在于，所述基于具有图像分类标签的第三样本图像，更新所述第一图像分类模型，包括：

将所述第三样本图像输入所述第二图像分类模型，通过所述第二图像分类模型对所述第三样本图像进行分类，输出所述第三样本图像的分类结果；

根据所述第三样本图像的分类结果和所述第三样本图像的图像分类标签，更新所述第一图像分类模型。

4.根据权利要求1所述的方法，其特征在于，所述将具有图像分类标签的第二样本图像输入更新后的所述第二图像分类模型，通过所述第二图像分类模型对所述第二样本图像进行分类，输出所述第二样本图像的分类结果之后，所述方法还包括：

根据所述第二样本图像的分类结果和所述第二样本图像的图像分类标签，获取所述第二样本图像的难度信息，所述难度信息用于表示所述第二样本图像被正确分类的难易程度；

根据权重系数、所述第二样本图像的图像分类标签、所述第二样本图像的难度信息以及激活函数，获取所述第二样本图像的概率信息；

响应于根据所述第二样本图像的概率信息确定所述第二样本图像满足第二目标条件，将所述第二样本图像作为所述第三样本图像。

5.根据权利要求4所述的方法，其特征在于，所述根据权重系数、所述第二样本图像的图像分类标签、所述第二样本图像的难度信息以及激活函数，获取所述第二样本图像的概率信息，包括：

根据所述权重系数和所述第二样本图像的图像分类标签，确定第一参数；

根据所述第二样本图像的难度信息，确定第二参数；

根据所述激活函数包括的缩放系数、偏移系数以及平均难度信息，确定第三参数，所述平均难度信息用于表示多个样本图像被正确分类的平均难易程度；

根据所述第一参数、所述第二参数以及所述第三参数，获取所述第二样本图像的概率信息。

6.根据权利要求4所述的方法，其特征在于，所述第二目标条件包括：

所述第三样本图像的数量少于目标数量；或者，

所述第三样本图像的数量不少于目标数量，且所述第二样本图像的概率信息所指示的概率大于任一第三样本图像的概率信息所指示的概率。

7.根据权利要求1所述的方法，其特征在于，所述基于具有图像分割信息的第一样本图像和第一图像分类模型，更新第二图像分类模型之前，所述方法还包括：

获取多个具有图像分类标签的样本图像；

从所述多个样本图像中随机选择目标比例的样本图像作为所述第二样本图像，将剩余的样本图像作为所述第三样本图像。