[发明专利]一种训练图像分类模型、图像搜索的方法及相关装置

权利要求书

1.一种训练图像分类模型的方法，其特征在于，包括：

利用预设图像分类模型的特征提取层，对搜索图像和图库图像进行特征提取匹配，获得所述搜索图像的相似图像形成相似图像集；所述搜索图像是通过历史用户输入文本进行图像搜索获得的，所述搜索图像标记有内容类别标签；

基于所述相似图像的图像特征，对所述相似图像集进行密度聚类清洗获得目标相似图像集；

利用所述目标相似图像集中相似图像和各相似图像标记的内容类别标签，对预训练分类模型进行微调训练获得目标图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述相似图像的图像特征，对所述相似图像集进行密度聚类清洗获得目标相似图像集，包括：

基于所述相似图像的图像特征、密度聚类簇的距离阈值和数量阈值，对所述相似图像集中相似图像进行密度聚类，确定不属于密度聚类簇的相似图像为异常图像；所述距离阈值是指构成密度聚类簇的相似图像之间的图像特征距离的上限值，所述数量阈值是指构成密度聚类簇的相似图像数量的下限值；

对所述相似图像集中所述异常图像进行清洗，获得所述目标相似图像集。

3.根据权利要求1所述的方法，其特征在于，所述利用预设图像分类模型的特征提取层，对搜索图像和图库图像进行特征提取匹配，获得所述搜索图像的相似图像形成相似图像集，包括：

利用所述预设图像分类模型的特征提取层，对所述搜索图像和所述图库图像进行特征提取，获得所述搜索图像的图像特征和所述图库图像的图像特征；

基于所述搜索图像的图像特征和所述图库图像的图像特征，获得每个搜索图像与每个图库图像的图像特征距离；

基于所述每个搜索图像与每个图库图像的图像特征距离，从所述图库图像中筛选出每个搜索图像的相似图像，形成各搜索图像对应的相似图像集。

4.根据权利要求1所述的方法，其特征在于，所述预训练分类模型是基于多类别标签样本数据训练分类网络获得的；其中，所述多类别标签样本数据包括多类别标签样本图像以及每个样本图像标记的多个内容类别标签，所述多类别标签样本图像是指标记有多个内容类别标签的样本图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取单类别标签样本数据；所述单类别标签样本数据包括单类别标签样本图像以及每个样本图像标记的内容类别标签，所述单类别标签样本图像是指仅标记有单个内容类别标签的样本图像；

对应地，所述利用所述目标相似图像集中相似图像和各相似图像标记的内容类别标签，对预训练分类模型进行微调训练获得目标图像分类模型，为：

利用所述目标相似图像集中相似图像、各相似图像标记的内容类别标签和所述单类别标签样本数据，对所述预训练分类模型进行多任务微调训练获得所述目标图像分类模型。

6.一种图像搜索的方法，其特征在于，利用如权利要求1-5任一项所述的目标图像分类模型，所述方法包括：

利用所述目标图像分类模型的特征提取层，对目标搜索图像和图库图像进行特征提取，获得所述目标搜索图像的图像特征和所述图库图像的图像特征；

对所述目标搜索图像的图像特征和所述图库图像的图像特征进行匹配，确定所述目标搜索图像的目标相似图像，所述目标相似图像与所述目标搜索图像的风格一致。

7.一种训练图像分类模型的装置，其特征在于，包括：

特征提取匹配单元，用于利用预设图像分类模型的特征提取层，对搜索图像和图库图像进行特征提取匹配，获得所述搜索图像的相似图像形成相似图像集；所述搜索图像是通过历史用户输入文本进行图像搜索获得的，所述搜索图像标记有内容类别标签；

密度聚类清洗单元，用于基于所述相似图像的图像特征，对所述相似图像集进行密度聚类清洗获得目标相似图像集；

微调训练单元，用于利用所述目标相似图像集中相似图像和各相似图像标记的内容类别标签，对预训练分类模型进行微调训练获得目标图像分类模型。