[发明专利]图像分类模型的训练方法、装置、电子设备及存储介质

权利要求书

1.一种图像分类模型的训练方法，其特征在于，所述图像分类模型包括多个图像分类模块，每个所述图像分类模块对应不同的图像分类场景，所述方法包括：

获取训练数据集，其中，所述训练数据集包括多个图像样本，以及每个所述图像样本对应的样本分类标签；

对每个所述图像样本进行特征提取，获得每个所述图像样本对应的特征图像；

将每个所述图像样本对应的特征图像作为输入数据，每个所述图像样本对应的样本分类标签作为输出数据，分别对所述多个图像分类模块进行训练，获得多个已训练的图像分类模块；

基于所述多个已训练的图像分类模块，获得已训练的图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述已训练的图像分类模型还包括已训练的特征提取模块，所述基于所述多个已训练的图像分类模块，获得已训练的图像分类模型，包括：

基于所述已训练的特征提取模块和所述多个已训练的图像分类模块，获得所述已训练的图像分类模型。

3.根据权利要求2所述的方法，其特征在于，所述对每个所述图像样本进行特征提取，获得每个所述图像样本对应的特征图像，包括：

将每个所述图像样本输入所述已训练的特征提取模块中，获得所述已训练的特征提取模块输出的每个所述图像样本对应的特征图像。

4.根据权利要求3所述的方法，其特征在于，所述训练数据集还包括每个所述图像样本对应的样本特征图像，所述将每个所述图像样本输入所述已训练的特征提取模块中，获得所述已训练的特征提取模块输出的每个所述图像样本对应的特征图像之前，还包括：

将每个所述图像样本作为输入数据，每个所述图像样本对应的特征图像作为输出数据，对特征提取模块进行训练，获得所述已训练的特征提取模块。

5.根据权利要求1所述的方法，其特征在于，所述对每个所述图像样本进行特征提取，获得每个所述图像样本对应的特征图像之后，还包括：

对每个所述图像样本对应的特征图像进行场景分类，得到多个场景类别，其中，每个场景类别包括至少一个特征图像。

从所述多个场景类别中确定任意一个场景类别作为目标场景类别，并获取所述目标场景类别包括的特征图像作为目标特征图像；

所述将每个所述图像样本对应的特征图像作为输入数据，每个所述图像样本对应的样本分类标签作为输出数据，分别对所述多个图像分类模块进行训练，获得多个已训练的图像分类模块，包括：

将所述目标特征图像作为输入数据，目标样本分类标签为输出数据，对所述目标场景类别对应的图像分类模块进行训练，获得已训练的目标图像分类模块，其中，所述目标样本分类标签为所述目标特征图像样本对应的样本分类标签。

6.根据权利要求1-5中的任意一项所述的方法，其特征在于，所述基于所述多个已训练的图像分类模块，获得已训练的图像分类模型之后，还包括：

获取待分类图像；

将所述待分类图像输入所述已训练的图像分类模型中，获得所述已训练的图像分类模型输出所述待分类图像对应的分类标签。

7.根据权利要求6所述分方法，其特征在于，所述已训练的图像分类模型包括已训练的特征提取模块和多个已训练的图像分类模块，所述将所述待分类图像输入所述已训练的图像分类模型中，获得所述已训练的图像分类模型输出所述待分类图像对应的分类标签，包括：

将所述待分类图像输入所述已训练的特征提取模块中，获得已训练的特征提取模块输出的所述待分类图像对应的特征图像；

将所述待分类图像对应的特征图像分别输入所述多个已训练的图像分类模块中，分别获取所述多个已训练的图像分类模块输出所述待分类图像对应的分类标签。