[发明专利]标签添加方法、装置及终端

说明书

本发明实施例提供了一种标签添加方法、装置及终端，其中，所述方法包括：从图像库中查找第一预设数量的种子图像；其中，所述种子图像与待添加的第一标签匹配；根据预先训练好的第一图像分类模型，从所述图像库中筛选各所述种子图像对应的特征相似图像；将各所述种子图像对应的所述特征相似图像求并集，生成所述第一标签的训练图像；依据第一标签、第一标签的训练图像、所述第一图像分类模型中已包含的各第二标签以及各所述第二标签的训练图像，训练第二图像分类模型。通过本发明提供的标签添加方法，无需用户进行大量训练图像的标记，仅手动筛选出第一预设数量的种子图像即可，操作便捷且耗时短，既能够节省人力资源，又能够提升标签添加效率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种标签添加方法、装置及终端。

背景技术

近来，深度学习在自然语言处理、文本翻译等相关内容理解领域取得了突破性的进展。然而这些发展严重依赖于训练数据的规模，所以数据在将这些技术应用到实际生产环境中最主要的瓶颈。

以目前的图像分类任务为例，一般每一个标签需要的数据量是“千”这样的量级。传统的方法是先收集足够量的标注数据即标注图像，然后再将这些标注数据添加到现有的分类体系中，但是这个做法存在下面不足：

第一、一个标签对应的“千”量级的数据看似不多，但是待标注的数据的量却十分巨大。一般情况下10-20左右的标注数据中才存在一个训练数据，这就意味着每个标签需要的标注人力成本激增。

第二、在向已训练好的图像分类模型中添加标签时，每添加一个标签往往需要针对所添加的标签标注“万”甚至“十万”量级的标注数据，数据标注时间周期长，最终导致标签的添加周期长。

发明内容

本发明实施例提供一种标签添加方法、装置及终端，以解决现有技术中存在的标签添加周期长且消耗大量人力成本的问题。

依据本发明的一个方面，提供了一种标签添加方法，其中，所述方法包括：从图像库中查找第一预设数量的种子图像；其中，所述种子图像与待添加的第一标签匹配；根据预先训练好的第一图像分类模型，从所述图像库中筛选各所述种子图像对应的特征相似图像；其中，每个种子图像对应第二预设数量的特征相似图像；将各所述种子图像对应的所述特征相似图像求并集，生成所述第一标签的训练图像；依据所述第一标签、所述第一标签的训练图像、所述第一图像分类模型中已包含的各第二标签以及各所述第二标签的训练图像，训练第二图像分类模型。

可选地，所述根据预先训练好的第一图像分类模型，从所述图像库中筛选各所述种子图像对应的特征相似图像的步骤，包括：根据所述第一图像分类模型，提取所述图像库中各图像的特征；针对每个种子图像，将所述图像库中各图像按照与所述种子图像特征相似度由高至低进行排序；将排序在前的第二预设数量的图像，确定为所述种子图像对应的特征相似图像。

可选地，在所述训练第二图像分类模型的步骤之后，所述方法还包括：对所述第二图像分类模型进行修正，得到目标图像分类模型。

可选地，所述对所述第二图像分类模型进行修正，得到目标图像分类模型的步骤，包括：针对每个第二标签，从所述第二图像分类模型中获取所述第二标签对应修正训练图像；其中，每个第二标签对应第三预设数量的修正训练图像；对所述第一标签对应的各种子图像，采用预设图像增广方式进行图像增广，得到第一标签的增广训练图像；加载所述第二图像分类模型的模型参数；确定所述目标图像分类模型的第一学习率；其中，所述第一学习率小于所述第二图像分类模型的学习率；依据所述第一标签、所述第一标签的增广训练图像、各所述第二标签、各所述第二标签对应的修正训练图像、所述模型参数以及所述第一学习率，训练得到目标图像分类模型。