[发明专利]模型训练方法及装置、图像识别方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

基于M幅图像各自对应的第一类别分配权重数据训练第一识别模型，得到第二识别模型，其中，所述M幅图像属于待识别图像序列样本，所述M幅图像对应N个类别，M和N均为大于1的正整数；

基于所述M幅图像各自对应的第一类别分配权重数据和所述第二识别模型，确定所述M幅图像各自对应的第二类别分配权重数据；

其中，所述基于所述M幅图像各自对应的第一类别分配权重数据和所述第二识别模型，确定所述M幅图像各自对应的第二类别分配权重数据，包括：

利用所述第二识别模型，确定所述M幅图像各自对应的第一类别识别结果；

基于所述M幅图像各自对应的类别标签数据和所述M幅图像各自对应的第一类别识别结果，确定所述M幅图像中的P幅待增权图像，其中，所述待增权图像包括类别识别错误的图像，P为正整数；

基于所述P幅待增权图像各自对应的类别标签数据，确定所述P幅待增权图像和所述N个类别之间的从属关系；

基于所述从属关系，将所述P幅待增权图像划分为Q个连续图像子序列，Q为正整数；

基于所述连续图像子序列的图像数量信息，确定所述连续图像子序列中的待增权图像各自对应的增量权重数据；

基于所述连续图像子序列中的待增权图像各自对应的增量权重数据和第一类别分配权重数据，得到所述连续图像子序列中的待增权图像各自对应的第二类别分配权重数据；

其中，所述基于所述连续图像子序列的图像数量信息，确定所述连续图像子序列中的待增权图像各自对应的增量权重数据，包括：

若是基于所述图像数量信息确定所述连续图像子序列的图像数量小于预设图像数量，

则基于预设最小增量值，确定所述连续图像子序列中的待增权图像各自对应的增量权重数据；

基于所述M幅图像各自对应的第二类别分配权重数据训练所述第二识别模型，得到图像识别模型，其中，所述图像识别模型用于确定待识别图像序列中的图像各自对应的类别识别结果。

2.根据权利要求1所述的模型训练方法，其特征在于，所述基于所述M幅图像各自对应的第一类别分配权重数据和所述第二识别模型，确定所述M幅图像各自对应的第二类别分配权重数据，包括：

基于所述M幅图像各自对应的类别标签数据和所述M幅图像各自对应的第一类别识别结果，更新所述M幅图像各自对应的第一类别分配权重数据，得到所述M幅图像各自对应的第二类别分配权重数据。

3.根据权利要求2所述的模型训练方法，其特征在于，所述基于所述M幅图像各自对应的类别标签数据和所述M幅图像各自对应的第一类别识别结果，更新所述M幅图像各自对应的第一类别分配权重数据，得到所述M幅图像各自对应的第二类别分配权重数据，包括：

增量更新所述P幅待增权图像各自对应的第一类别分配权重数据，得到所述P幅待增权图像各自对应的第二类别分配权重数据；

基于所述P幅待增权图像各自对应的第二类别分配权重数据，得到所述M幅图像各自对应的第二类别分配权重数据。

4.根据权利要求3所述的模型训练方法，其特征在于，所述增量更新所述P幅待增权图像各自对应的第一类别分配权重数据，得到所述P幅待增权图像各自对应的第二类别分配权重数据，包括：

针对所述Q个连续图像子序列中的每个连续图像子序列，

增量更新所述连续图像子序列中的待增权图像各自对应的第一类别分配权重数据，得到所述连续图像子序列中的待增权图像各自对应的第二类别分配权重数据。

5.根据权利要求1至4任一项所述的模型训练方法，其特征在于，所述基于所述连续图像子序列的图像数量信息，确定所述连续图像子序列中的待增权图像各自对应的增量权重数据，包括：

若是基于所述图像数量信息确定所述连续图像子序列的图像数量大于或等于预设图像数量，

则基于所述连续图像子序列的序列位置信息，确定所述连续图像子序列的起始端待增权图像，其中，所述起始端待增权图像为最靠近所述连续图像子序列所属的类别的序列边缘的待增权图像；

以所述起始端待增权图像为增量起点，基于预设最大增量值以线性减小的方式，确定所述连续图像子序列中的待增权图像各自对应的增量权重数据。