[发明专利]一种图像分类模型的训练方法及相关设备在审
| 申请号： | 201910592095.3 | 申请日： | 2019-07-02 |
| 公开（公告）号： | CN110321952A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 王晓宁;孙钟前;付星辉;郑瀚;杨巍 | 申请（专利权）人： | 腾讯医疗健康（深圳）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郝传鑫;熊永强 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种图像分类模型的训练方法及相关设备，所述方法包括：获取训练图像集；将相关训练图像输入图像分类学习模型，得到相关训练图像针对各个所述目标类别的预测分类概率，并将无关训练图像输入所述图像分类学习模型，得到无关训练图像针对各个目标类别的预测分类概率；确定目标类别在所述相关训练图像下的真实概率分布与预测概率分布之间的概率分布差异度；确定相关训练图像的预测分类不确定度，并确定无关训练图像的预测分类不确定度；根据概率分布差异度、相关训练图像的预测分类不确定度以及无关训练图像的预测分类不确定度，调节图像分类学习模型的当前模型参数。通过本发明实施例可以提高图像分类模型的泛化能力。 | ||
| 搜索关键词： | 训练图像 不确定度 预测 图像分类模型 概率分布 目标类别 分类 分类概率 图像分类 差异度 训练图像集 模型参数 输入图像 真实概率 学习 | ||
【主权项】：
1.一种图像分类模型的训练方法，其特征在于，包括：获取训练图像集，所述训练图像集包括不同目标类别下的相关训练图像，以及不属于所述目标类别的无关训练图像，所述相关训练图像携带各自的目标类别对应的类别标签；将所述相关训练图像输入图像分类学习模型，得到所述相关训练图像针对各个所述目标类别的预测分类概率，并将所述无关训练图像输入所述图像分类学习模型，得到所述无关训练图像针对各个所述目标类别的预测分类概率；根据所述相关训练图像的目标类别对应的类别标签、所述相关训练图像针对各个所述目标类别的预测分类概率，确定所述目标类别在所述相关训练图像下的真实概率分布与预测概率分布之间的概率分布差异度；根据所述相关训练图像针对各个所述目标类别的预测分类概率，确定所述相关训练图像的预测分类不确定度，并根据所述无关训练图像针对各个所述目标类别的预测分类概率，确定所述无关训练图像的预测分类不确定度；根据所述概率分布差异度、所述相关训练图像的预测分类不确定度以及所述无关训练图像的预测分类不确定度，调节所述图像分类学习模型的当前模型参数，使得通过调节后的图像分类学习模型确定出的概率分布差异度、确定出的所述相关训练图像的预测分类不确定度以及确定出的所述无关训练图像的预测分类不确定度满足预设的调节结果条件。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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腾讯医疗健康（深圳）有限公司，未经腾讯医疗健康（深圳）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/patent/201910592095.3/，转载请声明来源钻瓜专利网。
