[发明专利]图像中目标物的分类方法、模型训练方法和装置在审

专利信息
申请号: 201911126987.0 申请日: 2019-11-18
公开(公告)号: CN110929774A 公开(公告)日: 2020-03-27
发明(设计)人: 闫桂霞;王瑞琛;王晓利 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 李娟
地址: 518044 广东省深圳*** 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:
搜索关键词: 图像 目标 分类 方法 模型 训练 装置
【说明书】:

本申请提供一种图像中目标物的分类方法、模型训练方法和装置,属于计算机技术领域,涉及人工智能和计算机视觉技术。本申请通过特征提取模型提取待处理图像的特征图,确定在待处理图像中预先标定的目标物包围框在特征图中对应的待分类区域,通过图像分类模型确定待分类区域对应的目标物类别,并输出分类结果。其中,特征提取模型和图像分类模型是基于训练图像进行训练得到的,训练图像包括样本目标物和样本目标物所处的背景环境。使用包括背景环境的训练图像对特征提取模型和图像分类模型进行训练,可以充分利用训练图像中的背景信息,使训练得到的特征提取模型和图像分类模型可以准确区分目标物与背景,进而提高分类准确率。

技术领域

本申请涉及计算机技术领域,更具体地说,涉及一种图像中目标物的分类方法、模型训练方法和装置。

背景技术

随着计算机技术的迅速发展,对图像中的物品进行分类的技术已在越来越多的领域得到了应用。现有技术中通常采用图像分类模型对图像中的物品进行分类,如何训练得到一个准确率高的图像分类模型是在图像分类应用中的重要问题。

目前,在对图像分类模型进行训练时,一般是人工在原始图像中标注物品包围框,将人工标注的物品包围框对应的图像区域从原始图像中分割出来,得到仅包含物品的小区域图像,基于由小区域图像组成的训练数据集对图像分类模型进行训练。

由于通过上述方法得到的小区域图像仅包含物品,而剔除了物品周围的背景环境信息,因而供图像分类模型学习的图像信息较片面,使训练得到的图像分类模型的分类准确率较低。

现有技术对图像中的其他目标物进行分类时,也存在上述技术问题。

发明内容

为解决现有存在的技术问题,本申请实施例提供一种图像中目标物的分类方法、模型训练方法和装置,可以提高分类准确率。

为达到上述目的,本申请实施例的技术方案是这样实现的:

第一方面,本申请实施例提供一种图像中目标物的分类方法,所述方法包括:

通过特征提取模型对待处理图像进行特征提取,得到所述待处理图像的特征图;

确定在所述待处理图像中预先标定的目标物包围框在所述特征图中对应的待分类区域;

通过图像分类模型确定所述待分类区域对应的目标物类别,并输出分类结果;所述特征提取模型和所述图像分类模型是基于训练图像进行训练得到的,所述训练图像包括样本目标物和样本目标物所处的背景环境,其中所述样本目标物被标注了样本目标物包围框和样本目标物分类标签。

第二方面,本申请实施例还提供一种模型训练方法,所述模型包括特征提取模型和图像分类模型;所述方法包括:

获取训练图像;所述训练图像包括样本目标物和样本目标物所处的背景环境,其中所述样本目标物被标注了样本目标物包围框和样本目标物分类标签;

将所述训练图像输入特征提取模型,得到所述训练图像的特征图;

确定所述训练图像的样本目标物包围框在所述训练图像的特征图中对应的待分类区域;

通过图像分类模型对所述训练图像的特征图中的待分类区域进行目标物分类预测,得到样本目标物的预测分类结果;

根据所述样本目标物的预测分类结果和预先标注的样本目标物分类标签,确定分类损失值;

根据所述分类损失值调整所述特征提取模型和所述图像分类模型中的参数,直至所述分类损失值收敛至预设的期望值,获得已训练的特征提取模型和图像分类模型。

第三方面,本申请实施例还提供一种图像中目标物的分类装置,所述装置包括:

特征提取单元,用于通过特征提取模型对待处理图像进行特征提取,得到所述待处理图像的特征图;

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科技(深圳)有限公司,未经腾讯科技(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/pat/books/201911126987.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top