[发明专利]图像分类模型的训练方法、装置、介质以及电子设备

权利要求书

1.一种图像分类模型的训练方法，包括：

利用图像分类模型中的图像特征提取器，对N个类别的支持图像样本分别进行图像特征提取处理，获得N个类别各自对应的第一图像特征；其中，所述N为大于1的整数；

利用图像特征的差值运算方式，获取多个参考图像样本对中的每一个参考图像样本对的差异化特征，获得多个差异化特征，其中，任一参考图像样本对中的两个参考图像样本的类别相同；

利用图像特征的相加运算的方式，根据所述N个类别各自对应的第一图像特征以及所述多个差异化特征，形成所述N个类别的生成特征；

根据所述N个类别各自对应的第一图像特征以及所述N个类别的生成特征，设置所述图像分类模型中的元分类器的参数。

2.根据权利要求1所述的方法，其中，所述多个参考图像样本对中的至少两个参考图像样本对的类别不相同，且所述多个参考图像样本对中的至少一个参考图像样本对的类别与所述N个类别均不相同。

3.根据权利要求1或2所述的方法，其中，所述利用图像特征的差值运算方式，获取多个参考图像样本对中的每一个参考图像样本对的差异化特征，包括：

利用所述图像特征提取器，对所述多个参考图像样本对中的各参考图像样本分别进行图像特征提取处理，获得各参考图像样本的第二图像特征；

对各参考图像样本的第二图像特征分别进行第一映射处理，获得各参考图像样本的第一映射图像特征；

对各参考图像样本对中的两个参考图像样本的第一映射图像特征进行差值运算，获得各参考图像样本对的差异化特征。

4.根据权利要求1或2所述的方法，其中，所述方法包括：

所述多个参考图像样本对属于N个组，每一个组对应所述N个类别中的一个类别，且N个组中的至少两个组各自包含的参考图像样本至少部分不相同；或者

所述多个参考图像样本对属于一个组，且该一个组对应所述N个类别；

所述利用图像特征的相加运算的方式，根据所述N个类别各自对应的第一图像特征以及所述多个差异化特征，形成所述N个类别的生成特征，包括：

根据所述N个类别各自对应的第一图像特征以及所述N个类别各自对应的组中的各参考图像样本对的差异化特征，形成N个类别的生成特征；

其中，一个类别的生成特征的数量为该类别所对应的组中的参考图像样本对的数量。

5.根据权利要求4所述的方法，其中，所述根据所述N个类别各自对应的第一图像特征以及所述N个类别各自对应的组中的各参考图像样本对的差异化特征，形成N个类别的生成特征，包括：

对所述N个类别各自对应的第一图像特征分别进行第一映射处理，获得所述N个类别的第二映射图像特征；

针对所述N个类别中的任一类别，将该类别的第二映射图像特征与该类别对应的组中的各参考图像样本对的差异化特征分别进行相加运算，获得该类别的多个第三图像特征，对所述多个第三图像特征分别进行第二映射处理，获得该类别的多个生成特征。

6.根据权利要求4所述的方法，其中，所述根据所述N个类别各自对应的第一图像特征以及所述N个类别的生成特征，设置所述图像分类模型中的元分类器的参数，包括：

针对所述N个类别中的任一类别，对该类别的第一图像特征和该类别的多个生成特征进行融合处理；

根据所述N个类别的融合处理结果，设置所述元分类器的参数。

7.根据权利要求6所述的方法，其中，所述对该类别的第一图像特征和该类别的多个生成特征进行融合处理，包括：

对该类别的第一图像特征和该类别的多个生成特征进行平均池化处理；

所述根据所述N个类别的融合处理结果，设置所述元分类器的参数，包括：

对所述N个类别的平均池化处理结果分别进行归一化处理；

将所述N个类别的归一化处理结果拼接成的特征向量矩阵，作为所述元分类器的参数。