[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

说明书

本申请提供了一种图像分类模型的训练方法、装置、计算机设备及存储介质，属于机器学习技术领域。方法包括：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第二图像分类模型，输出第二样本图像的分类结果；基于第二样本图像的分类结果和第二样本图像的图像分类标签，更新第二图像分类模型；基于具有图像分类标签的第三样本图像，更新第一图像分类模型，基于更新后的第一图像分类模型继续训练，以得到训练完成的图像分类模型。在减少了对具有图像分类标签的样本图像的需求，也保证了图像分类模型的精确度。

技术领域

本申请涉及机器学习领域，特别涉及一种图像分类模型的训练方法、图像分类方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的飞速发展，图像处理技术可应用的范围越来越广泛。通过图像处理技术，可以根据图像中包括的内容，基于图像分类模型对图像进行分类，该图像中包括的内容可以为动物、植物、风景、建筑物、人体器官甚至是细胞等。对图像进行分类的精确度通常与图像分类模型的训练程度相关。

目前，在训练图像分类模型时，通常会使用深度卷积网络对大量的经过标注的样本图像进行端到端的训练。经过充分训练的图像分类模型可以对图像进行较为精确的分类，如分辨动物的种类等。

上述技术方案存在的问题是，在某些专业领域，如医疗领域、绘画领域等，对样本图像进行标注需要由本领域的专家来完成，这就导致无法获取到大量的经过标注的样本图像，从而导致训练得到的图像分类模型的精确度不高。

发明内容

本申请实施例提供了一种图像分类模型的训练方法、图像分类方法、装置、计算机设备及存储介质，使第二图像分类模型可以得到充分的训练，在减少了训练过程中对具有图像分类标签的样本图像的需求量的同时，也保证了训练得到的图像分类模型的精确度。所述技术方案如下：

一方面，提供了一种图像分类模型的训练方法，所述方法包括：

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，基于更新后的所述第一图像分类模型继续训练，以得到训练完成的图像分类模型。

另一方面，提供了一种图像分类方法，所述方法包括：

获取待分类图像；

将所述待分类图像输入图像分类模型，通过所述图像分类模型对所述待分类图像进行图像分类，输出所述待分类图像的分类结果；

根据所述待分类图像的分类结果，确定所述待分类图像所属的图像类型；

其中，所述图像分类模型基于多个具有分割信息的第一样本图像、另一个图像分类模型、多个具有图像分类标签的第二样本图像以及多个具有图像分类标签的第三样本图像训练得到。

另一方面，提供了一种图像分类模型的训练装置，所述装置包括：

更新模块，用于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；

图像分类模块，用于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；