[发明专利]外币图片分类处理方法及装置

权利要求书

1.一种外币图片分类处理方法，其特征在于，包括：

获取多张外币图片，根据外币图片的已知类别建立标签，分为训练集与测试集；

将训练集中的外币图片输入图片分类模型，输出外币图片对应标签的目标分类结果，所述图片分类模型为神经网络模型；

根据外币图片对应标签的非目标分类，对外币图片对应标签的目标分类结果进行噪声干扰，得到外币图片对应标签的非目标分类结果；

利用调节因子，根据外币图片对应标签的目标分类结果与外币图片对应标签的非目标分类结果，确定外币图片对应标签的分类修正结果，所述调节因子为调节噪声干扰程度的参数；

采用损失函数计算外币图片对应标签的目标分类结果与外币图片对应标签的分类修正结果之间的损失值，根据损失值更新图片分类模型参数，在计算出的损失值不小于预设阈值时，利用更新的图片分类模型继续输出外币图片对应标签的目标分类结果，进行噪声干扰后得到外币图片对应标签的非目标分类结果，直到计算出的损失值小于预设阈值，得到优化的图片分类模型；

根据测试集对训练好的图片分类模型进行测试，利用通过测试的图片分类模型对外币图片进行分类。

2.如权利要求1所述的方法，其特征在于，所述图片分类模型由11层的神经网络构建，其中：第一层、第三层、第四层、第六层、第七层和第八层为卷积层；第二层、第五层为批归一化层；第九层、第十层为全连接层；第十一层为输出层。

3.如权利要求1所述的方法，其特征在于，所述标签采用独热编码方式建立。

4.如权利要求1所述的方法，其特征在于，利用调节因子，根据外币图片对应标签的目标分类结果与外币图片对应标签的非目标分类结果，确定外币图片对应标签的分类修正结果，包括：

利用调节因子对外币图片对应标签的目标分类结果进行调整；

利用调节因子对外币图片对应标签的非目标分类结果进行调整；

将调整后的分类结果进行合并，确定外币图片对应标签的分类修正结果。

5.如权利要求1所述的方法，其特征在于，所述损失函数为交叉熵损失函数。

6.如权利要求1所述的方法，其特征在于，根据损失值更新图片分类模型参数，包括：

设置并调整根据损失值更新图片分类模型参数的学习率，直至图片分类模型收敛，所述学习率为神经网络中用于决定神经网络模型何时收敛的超参。

7.如权利要求6所述的方法，其特征在于，设置并调整根据损失值更新图片分类模型参数的学习率，直至图片分类模型收敛，包括：

设置根据损失值更新图片分类模型参数的标准学习率；

采用初始学习率对图片分类模型进行多轮预训练，所述初始学习率根据标准学习率、预训练轮数、以及损失值确定；

在损失值的变化不再波动时，采用标准学习率继续训练图片分类模型，直至模型收敛。