[发明专利]分类模型训练方法、图像分类方法、装置及电子设备在审
申请号: | 202211350323.4 | 申请日: | 2022-10-31 |
公开(公告)号: | CN115631381A | 公开(公告)日: | 2023-01-20 |
发明(设计)人: | 张国生 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/82;G06V10/77;G06N3/0464;G06N3/047;G06N3/08 |
代理公司: | 北京银龙知识产权代理有限公司 11243 | 代理人: | 罗仕满 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分类 模型 训练 方法 图像 装置 电子设备 | ||
本公开提供了一种分类模型训练方法、图像分类方法、装置及电子设备,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于人脸识别等场景。具体实现方案为:通过目标神经网络模型中的第一特征提取网络获取样本图像的第一图像特征;利用第一图像特征预测样本图像的第一分类信息,以及计算第一分类信息与样本图像的预设标签对应的第一损失值;通过第二特征提取网络获取样本图像的第二图像特征;利用第二图像特征预测样本图像的第二分类信息,以及计算第一分类信息与第二分类信息对应的第二损失值;基于损失值集,对第一特征提取网络中的参数进行更新。本公开可以提高目标神经网络模型的鲁棒性。
技术领域
本公开涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于人脸识别等场景,尤其涉及一种分类模型训练方法、图像分类方法、装置及电子设备。
背景技术
图像分类是目前很常用的电子设备应用场景,另外,目前对于图像分类经常采用神经网络模型进行分类,而目前用于图像分类的神经网络模型主要是基于一个损失函数计算的损失值进行参数更新。
发明内容
本公开提供了一种分类模型训练方法、图像分类方法、装置及电子设备。
根据本公开的一方面,提供了一种分类模型训练方法,包括:
通过目标神经网络模型中的第一特征提取网络获取样本图像的第一图像特征,所述目标神经网络模型用于对图像进行分类;
通过所述目标神经网络模型的第一预测网络,利用所述第一图像特征预测所述样本图像的第一分类信息,以及通过第一损失函数计算所述第一分类信息与所述样本图像的预设标签对应的第一损失值;
通过第二特征提取网络获取所述样本图像的第二图像特征;
通过第二预测网络,利用所述第二图像特征预测所述样本图像的第二分类信息,以及通过第二损失函数计算所述第一分类信息与所述第二分类信息对应的第二损失值;
基于损失值集,对所述第一特征提取网络中的参数进行更新,所述损失值集包括所述第一损失值和所述第二损失值。
根据本公开的一方面,提供了一种图像分类方法,包括:
通过目标神经网络模型中的第一特征提取网络获取待分类图像的第一图像特征;
通过所述目标神经网络模型的第一预测网络,利用所述第一图像特征预测所述待分类图像的分类信息;
其中,所述第一特征提取网络的参数是基于损失值集进行更新的参数,所述损失值集包括第一损失值和第二损失值,所述第一损失值为所述第一预测网络预测的样本图像的第一分类信息与所述样本图像的预设标签对应的损失值,所述第二损失值为所述第一分类信息与第二分类信息对应的损失值,所述第二分类信息为第二预测网络预测的所述样本图像的分类信息。
根据本公开的另一方面,提供了一种分类模型训练装置,包括:
第一获取模块,用于通过目标神经网络模型中的第一特征提取网络获取样本图像的第一图像特征,所述目标神经网络模型用于对图像进行分类;
第一预测模块,用于通过所述目标神经网络模型的第一预测网络,利用所述第一图像特征预测所述样本图像的第一分类信息,以及通过第一损失函数计算所述第一分类信息与所述样本图像的预设标签对应的第一损失值;
第二获取模块,用于通过第二特征提取网络获取所述样本图像的第二图像特征;
第二预测模块,用于通过第二预测网络,利用所述第二图像特征预测所述样本图像的第二分类信息,以及通过第二损失函数计算所述第一分类信息与所述第二分类信息对应的第二损失值;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211350323.4/2.html,转载请声明来源钻瓜专利网。