[发明专利]图像分类模型的训练方法、图像分类方法及装置

说明书

本公开提供了一种图像分类模型的训练方法、图像分类方法、电子设备和计算机可读存储介质，可以应用于图像处理技术领域和金融领域。该图像分类模型的训练方法包括：获取多个目标样本图像，其中，多个目标样本图像中的每个目标样本图像均包括至少一个样本对象以及至少一个样本对象的类别信息；对与多个目标样本图像对应的至少一个样本对象进行处理，得到训练样本数据集，其中，训练样本数据集中的训练样本数据包括与多个目标样本图像对应的至少一个样本对象的空间维度信息和光谱维度信息；以及利用训练样本数据集，训练图像分类模型，得到经训练的图像分类模型。

技术领域

本公开涉及图像处理技术领域和金融领域，更具体地，涉及一种图像分类模型的训练方法、图像分类方法及装置、电子设备、计算机可读存储介质和一种计算机程序产品。

背景技术

高光谱图像的范围广、数据量大、分辨率高、谱段信息丰富，已被广泛应用于城市规划、地图采集等领域。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：现有的高光谱图像分类算法存在信息冗余和上下文信息丢失，导致图像识别精度较低。

发明内容

有鉴于此，本公开提供了一种图像分类模型的训练方法、图像分类方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一个方面，提供了一种图像分类模型的训练方法，包括：

获取多个目标样本图像，其中，上述多个目标样本图像中的每个目标样本图像均包括至少一个样本对象以及上述至少一个样本对象的类别信息；

对与上述多个目标样本图像对应的上述至少一个样本对象进行处理，得到训练样本数据集，其中，上述训练样本数据集中的训练样本数据包括与上述多个目标样本图像对应的上述至少一个样本对象的空间维度信息和光谱维度信息；以及

利用上述训练样本数据集，训练上述图像分类模型，得到经训练的图像分类模型。

根据本公开的实施例，其中，上述空间维度信息包括高度信息和宽度信息；

上述对与上述多个目标样本图像对应的上述至少一个样本对象进行处理，得到训练样本数据集包括：

根据与上述多个目标样本图像对应的上述至少一个样本对象的高度信息和宽度信息，确定第一训练样本数据集；

根据与上述多个目标样本图像对应的上述至少一个样本对象的高度信息和光谱维度信息，确定第二训练样本数据集；以及

根据与上述多个目标样本图像对应的上述至少一个样本对象的宽度信息和光谱维度信息，确定第三训练样本数据集；

上述利用上述训练样本数据集，训练上述图像分类模型，得到经训练的图像分类模型包括：

利用上述第一训练样本数据集、上述第二训练样本数据集和上述第三训练样本数据集，训练上述图像分类模型，得到经训练的图像分类模型。

根据本公开的实施例，其中，上述图像分类模型包括第一网络支路、第二网络支路和第三网络支路；

上述利用上述第一训练样本数据集、上述第二训练样本数据集和上述第三训练样本数据集，训练上述图像分类模型，得到经训练的图像分类模型包括：

利用上述第一训练样本数据集训练上述第一网络支路，得到经训练的第一网络支路，其中，上述第一网络支路包括第一池化层、第一卷积层、第二卷积层和第三卷积层，上述第一池化层包括第一平均池化层和第一最大池化层；

利用上述第二训练样本数据集训练上述第二网络支路，得到经训练的第二网络支路，其中，上述第二网络支路包括第二池化层、第四卷积层、第五卷积层和第六卷积层，上述第二池化层包括第二平均池化层和第二最大池化层；以及