[发明专利]模型生成方法、多标签分类方法、装置以及电子设备

说明书

本申请实施例公开了一种模型生成方法、多标签分类方法、装置以及电子设备。该方法包括：获取待优化多标签分类模型的弱势场景；基于弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；在当次训练过程中，基于第一数据集对待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型；基于弱势场景测试集对训练完成的多标签分类模型进行评估，以得到评估结果；若评估结果达到目标条件，将训练完成的多标签分类模型作为目标多标签分类模型，若评估结果未达到目标条件，进入下一次的训练过程。通过上述方式使得，提高了目标多标签分类模型识别准确率。

技术领域

本申请涉及计算机技术领域，更具体地，涉及一种模型生成方法、多标签分类方法、装置以及电子设备。

背景技术

随着人工智能技术的不断发展，多标签分类开始成为计算机视觉领域的一项重要任务。但在相关方式中，多标签分类的准确率还有待提高。

发明内容

鉴于上述问题，本申请提出了一种模型生成方法、多标签分类方法、装置以及电子设备，以实现改善上述问题。

第一方面，本申请提供了一种模型生成方法，所述方法包括：获取待优化多标签分类模型的弱势场景，所述弱势场景为对应的图像存在误识别或者漏识别的场景；基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；在当次训练过程中，基于第一数据集对所述待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型，所述第一数据集包括所述弱势场景训练集以及初始训练集，所述初始训练集为用于生成所述待优化多标签分类模型的数据集；基于所述弱势场景测试集对所述训练完成的多标签分类模型进行评估，以得到评估结果，所述评估结果表征所述训练完成的多标签分类模型对所述多种弱势场景的识别准确程度；若所述评估结果达到目标条件，将所述训练完成的多标签分类模型作为目标多标签分类模型，若所述评估结果未达到目标条件，进入下一次的训练过程，基于所述弱势场景测试集获取弱势场景对应的新的训练数据，并将所述训练完成的多标签分类模型作为下一次训练过程对应的待优化多标签分类模型。

第二方面，本申请提供了一种多标签分类方法，所述方法包括：获取待分类图像；将所述待分类图像输入基于上述方法得到的目标多标签分类模型中，以得到所述待分类图像的分类结果。

第三方面，本申请提供了一种模型生成装置，所述装置包括：弱势场景获取单元，用于获取待优化多标签分类模型的弱势场景，所述弱势场景为对应的图像存在误识别或者漏识别的场景；数据集获取单元，用于基于所述弱势场景对应的多个标签获取弱势场景训练集以及弱势场景测试集；模型生成单元，用于在当次训练过程中，基于第一数据集对所述待优化多标签分类模型进行训练，以得到当次训练过程对应的训练完成的多标签分类模型，所述第一数据集包括所述弱势场景训练集以及初始训练集，所述初始训练集为用于生成所述待优化多标签分类模型的数据集；基于所述弱势场景测试集对所述训练完成的多标签分类模型进行评估，以得到评估结果，所述评估结果表征所述训练完成的多标签分类模型对所述多种弱势场景的识别准确程度；若所述评估结果达到目标条件，将所述训练完成的多标签分类模型作为目标多标签分类模型，若所述评估结果未达到目标条件，进入下一次的训练过程，基于所述弱势场景测试集获取弱势场景对应的新的训练数据，并将所述训练完成的多标签分类模型作为下一次训练过程对应的待优化多标签分类模型。

第四方面，本申请提供了一种多标签分类装置，所述装置包括：待分类图像获取单元，用于获取待分类图像；分类结果获取单元，用于将所述待分类图像输入基于上述方法得到的目标多标签分类模型中，以得到所述待分类图像的分类结果。

第五方面，本申请提供了一种电子设备，包括一个或多个处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述的方法。

第六方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述的方法。