[发明专利]多标签分类模型训练方法和设备

权利要求书

1.一种多标签分类模型训练方法，其特征在于，包括：

利用多标签分类模型对样本进行分类得到输出向量，所述输出向量用于表示各种具体类别，所述样本具有第一标签和第二标签，所述第一标签用于表示所述样本的各种具体类别，所述第二标签用于表示所述样本的各种合并类别，其中所述合并类别是根据部分所述具体类别确定的；

对所述输出向量进行处理得到合并向量，所述合并向量用于表示至少一种合并类别；

根据所述输出向量和所述第一标签确定第一损失值，以及根据所述合并向量和所述第二标签确定第二损失值；

根据所述第一损失值和所述第二损失值确定第三损失值；

向所述多标签分类模型反馈所述第三损失值以使其调整自身参数。

2.根据权利要求1所述的方法，其特征在于，所述输出向量中包括多个数值，每一个数值分别用于表示所述样本属于一种具体类别的置信度。

3.根据权利要求2所述的方法，其特征在于，对所述输出向量进行处理得到合并向量，包括：

在所述多个数值中提取设定的部分数值合并为一个数值；

利用合并后的数值和未被提取的数值形成所述合并向量。

4.根据权利要求2所述的方法，其特征在于，所述第一标签为第一目标向量，所述第一目标向量中包括多个数值，每一个数值分别用于表示所述样本属于一种具体类别；

所述第二标签为第二目标向量，所述第二目标向量中包括至少一个利用所述第一目标向量中的部分数值得到的合并数值，其中每一个合并数值分别用于表示所述样本属于一种合并类别。

5.根据权利要求1所述的方法，其特征在于，根据所述第一损失值和所述第二损失值确定第三损失值，包括：

对所述第二损失值进行非线性变换处理；

将非线性变换后的第二损失值和所述第一损失值相加得到所述第三损失值。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法用于训练医学图像多分类模型。

7.根据权利要求6所述的方法，其特征在于，所述方法用于训练眼底图像多分类模型。

8.根据权利要求7所述的方法，其特征在于，所述具体类别为眼底疾病类别，所述合并类别为至少部分所述眼底疾病类别同属的疾病大类。

9.根据权利要求8所述的方法，其特征在于，所述具体类别至少包括多种糖尿病视网膜病变，所述合并类别用于表示所述多种糖尿病视网膜病变的合并类别。

10.一种多标签分类模型训练设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-9中任意一项所述的多标签分类模型训练方法。