[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

说明书

本申请公开了一种图像分类方法、图像分类模型的训练方法、装置和设备，属于计算机技术领域。包括：获取待分类的目标图像和目标图像分类模型，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，类别层级树和训练样本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，基于最短路径的损失函数用于对第一图像分类模型进行更新，得到目标图像分类模型；调用目标图像分类模型对目标图像进行识别，得到目标图像对应的图像类别。该方法得到的目标图像分类模型的分类准确性和分类合理性较高，采用该目标图像分类模型对目标图像进行分类时，得到的目标图像的图像类别更为准确。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种图像分类方法、图像分类模型的训练方法、装置和设备。

背景技术

随着计算机技术的飞速发展，电子设备的功能越来越强大，用户可以通过各种渠道获取到各式各样的图像，电子设备中也会存在大量不同类型的图像，因此，亟需一种图像分类方法来进行图像分类。

相关技术中，获取待分类的目标图像，将目标图像输入目标图像分类模型，基于目标图像分类模型对图像进行分类，得到图像对应的类别。其中，目标图像分类模型是由初始图像分类模型训练得到的，训练过程为：基于参考图像和参考图像的一种类别对初始图像分类模型进行训练，进而得到目标图像分类模型。

然而，上述目标图像分类模型的训练过程可能出现图像内容和图像类别不符的参考图像，基于该参考图像进行训练时容易出现过拟合的情况，进而导致在使用该目标图像分类模型进行图像类别的确定时，确定的图像类别的准确性较低。

发明内容

本申请实施例提供了一种图像分类方法、图像分类模型的训练方法、装置和设备，可用于解决相关技术中的问题。所述技术方案如下：

第一方面，本申请实施例提供了一种图像分类方法，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，所述类别层级树和所述训练样本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；

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。

在一种可能的实现方式中，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。

第二方面，本申请实施例提供了一种图像分类模型的训练方法，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；

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。