[发明专利]计算机视觉数据分类方法、装置、电子设备及存储介质

权利要求书

1.一种计算机视觉数据分类方法，其特征在于，包括：

从输入的多个计算机视觉数据中提取计算机视觉数据特征，以得到第一特征和第二特征；

通过初级分类模型对所述第二特征进行提取，以得到第三特征；所述第三特征为用于捕捉全局语义信息的高层特征；

通过所述初级分类模型并基于所述第三特征对所述多个计算机视觉数据进行初级分类，以得到所述多个计算机视觉数据属于各类别的预测值；

基于所述预测值确定出所述多个计算机视觉数据中的混淆数据和混淆类，其中所述混淆类为所述混淆数据被所述初级分类模型判别所属于的类别；

通过次级分类模型并基于所述混淆类、所述第一特征和所述第三特征对所述混淆数据进行次级分类，以得到所述混淆数据的分类结果。

2.如权利要求1所述的计算机视觉数据分类方法，其特征在于，所述初级分类模型的损失函数包括交叉熵函数，所述次级分类模型的损失函数包括混淆类之间的距离函数分量和交叉熵函数分量。

3.如权利要求1所述的计算机视觉数据分类方法，其特征在于，所述基于所述预测值确定出所述多个计算机视觉数据中的混淆数据和混淆类，包括：

确定各计算机视觉数据的所述预测值中的最大值，并且将所述最大值与各计算机视觉数据的真实标签进行比较；

将与所述真实标签不相等的最大值所对应的计算机视觉数据确定为混淆数据；以及

将所述最大值与一超参数的乘积确定为基准值；

将大于所述基准值的预测值所对应的类别确定为混淆类。

4.如权利要求1所述的计算机视觉数据分类方法，其特征在于，在所述从输入的多个计算机视觉数据中提取计算机视觉数据特征之前，所述方法还包括：

初级训练步骤，所述初级训练步骤包括输入多个计算机视觉训练数据，并基于所述多个计算机视觉训练数据对所述初级分类模型进行训练，以确定出所述多个计算机视觉训练数据中的混淆训练数据和混淆训练类，其中所述混淆训练类为所述混淆训练数据被所述初级分类模型判别所属于的类别；

第一训练条件判断步骤，所述第一训练条件判断步骤包括确定是否达到第一训练条件；

如果否，则返回至所述初级训练步骤；

如果是，则转至次级训练步骤，所述次级训练步骤包括基于所述混淆训练数据和所述混淆训练类对所述次级分类模型进行训练；

第二训练条件判断步骤，所述第二训练条件判断步骤包括确定是否达到第二训练条件；

如果否，则返回至所述次级训练步骤；

如果是，则转至第三训练条件判断步骤，所述第三训练条件判断步骤包括确定是否达到第三训练条件；

如果否，则返回至所述初级训练步骤；

如果是，则停止训练。

5.如权利要求4所述的计算机视觉数据分类方法，其特征在于，所述基于所述多个计算机视觉训练数据对所述初级分类模型进行训练，包括：

从所述多个计算机视觉训练数据中提取计算机视觉数据特征，以得到第一训练特征和第二训练特征；

通过初级分类模型对所述第二训练特征进行提取，以得到第三训练特征；

通过所述初级分类模型并基于所述第三训练特征对所述多个计算机视觉训练数据进行初级训练分类，以得到所述多个计算机视觉训练数据属于各训练类别的训练预测值；

基于所述训练预测值确定出所述多个计算机视觉训练数据中的所述混淆训练数据和所述混淆训练类。

6.如权利要求5所述的计算机视觉数据分类方法，其特征在于，所述基于所述混淆训练数据和所述混淆训练类对所述次级分类模型进行训练，包括：

通过所述次级分类模型并基于所述混淆训练类、所述第一训练特征和所述第三训练特征对所述混淆训练数据进行次级训练分类，以得到所述混淆训练数据的分类结果。