[发明专利]一种细粒度图像分类模型处理方法和装置

权利要求书

1.一种细粒度图像分类模型处理方法，其特征在于，包括：

根据获取的数据集生成包含至少两个样本的第一数据；

根据预设规则处理所述第一数据的样本排序得到至少两组第二数据；

根据预制规则提取所述第二数据的样本形成样本对；

通过预置欧拉模型处理所述样本对获得数据损失值；

根据所述数据损失值处理预置的第一细粒度图像分类模型获得第二细粒度图像分类模型。

2.根据权利要求1所述的方法，其特征在于，根据预制规则提取所述第二数据的样本形成样本对包括：

获取两组所述第二数据中相同序列的样本组成多个样本对。

3.根据权利要求1所述的方法，其特征在于，所述通过预置欧拉模型处理所述样本对获得数据损失值包括：

通过预设置孪生欧拉模块对所述样本对进行计算，得到样本损失值；

对所述样本损失值进行求和，得到数据损失值。

4.根据权利要求3所述的方法，其特征在于，所述通过预设置孪生欧拉模块对所述样本对进行计算，得到样本损失值包括：

当所述样本对中的样本类别相同时，根据预设置交叉熵损失函数和欧拉混淆项分别得出交叉熵损失和欧拉损失；

根据所述交叉熵损失和所述欧拉损失得到样本损失值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述交叉熵损失和所述欧拉损失得到样本损失值包括：

对所述欧拉损失进行附加权重后，与所述交叉熵损失进行求和，得到样本损失值。

6.一种细粒度图像分类模型处理装置，其特征在于，包括：

生成模块，用于根据获取的数据集生成包含至少两个样本的第一数据；

变序模块，用于根据预设规则处理所述第一数据的样本排序得到至少两组第二数据；

获取模块，用于根据预制规则提取所述第二数据的样本形成样本对；

欧拉模型，用于通过预置欧拉模型处理所述样本对获得数据损失值；

更新模块，用于根据所述数据损失值处理预置的第一细粒度图像分类模型获得第二细粒度图像分类模型。

7.根据权利要求6所述的装置，其特征在于，所述生成模块包括：

选取模块，用于获取两组所述第二数据中相同序列的样本组成多个样本对。

8.根据权利要求6所述的装置，其特征在于，所述欧拉模型包括：

孪生欧拉模块，用于通过预设置孪生欧拉模块对所述样本对进行计算，得到样本损失值；

计算模块，用于对所述样本损失值进行求和，得到数据损失值。

9.电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的细粒度图像分类模型处理方法的步骤。

10.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的细粒度图像分类模型处理方法的步骤。