[发明专利]图像分类方法、图像分类模型的训练方法、装置和设备

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

获取待分类的目标图像和目标图像分类模型，所述目标图像分类模型通过类别层级树、训练样本和基于最短路径的损失函数训练得到，所述训练样本包括第一图像和所述第一图像的参考类别，所述第一图像的参考类别属于所述类别层级树包括的图像类别；所述第一图像的参考类别和所述类别层级树用于确定所述第一图像属于各个第一类别的概率，所述第一类别为所述类别层级树中包括的任一图像类别；所述第一图像和所述第一图像属于各个第一类别的概率用于对初始图像分类模型进行训练，得到第一图像分类模型；所述第一图像、所述第一图像的参考类别、所述第一图像分类模型和所述基于最短路径的损失函数用于对所述第一图像分类模型进行更新，得到所述目标图像分类模型；所述第一图像为丽人类图像、游戏类图像、教育类图像中的任一种，所述基于最短路径的损失函数用于根据所述第一图像的参考类别和所述第一图像的预测类别确定用于对所述第一图像分类模型进行更新的目标路径损失值；

调用所述目标图像分类模型对所述目标图像进行识别，得到所述目标图像对应的图像类别。

2.根据权利要求1所述的方法，其特征在于，所述调用所述目标图像分类模型对所述目标图像进行识别，得到所述目标图像对应的图像类别，包括：

调用所述目标图像分类模型对所述目标图像进行识别，得到所述目标图像对应的多个参考类别以及各个参考类别的概率；

将概率满足目标要求的参考类别确定为所述目标图像对应的图像类别。

3.一种图像分类模型的训练方法，其特征在于，所述方法包括：

获取类别层级树和训练样本，所述类别层级树包括多个图像类别以及各个图像类别之间的关联，所述训练样本包括第一图像和所述第一图像的参考类别，所述第一图像为丽人类图像、游戏类图像、教育类图像中的任一种；

基于所述第一图像的参考类别和所述类别层级树，对所述第一图像进行类别平滑处理，得到所述第一图像属于各个第一类别的概率，所述第一类别为所述类别层级树中包括的任一图像类别；

基于所述第一图像和所述第一图像属于各个第一类别的概率，对初始图像分类模型进行训练，得到第一图像分类模型；

基于所述第一图像、所述第一图像的参考类别和所述第一图像分类模型，通过基于最短路径的损失函数，对所述第一图像分类模型进行更新，得到目标图像分类模型，所述目标图像分类模型用于进行图像分类，所述基于最短路径的损失函数用于根据所述第一图像的参考类别和所述第一图像的预测类别确定用于对所述第一图像分类模型进行更新的目标路径损失值。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一图像、所述第一图像的参考类别和所述第一图像分类模型，通过基于最短路径的损失函数，对所述第一图像分类模型进行更新，得到目标图像分类模型，包括：

基于所述第一图像和所述第一图像分类模型，确定所述第一图像的预测类别；

基于所述第一图像的参考类别和所述第一图像的预测类别，通过所述基于最短路径的损失函数，确定目标路径损失值；

基于所述目标路径损失值对所述第一图像分类模型进行更新，得到所述目标图像分类模型。