[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

说明书

公开了一种图像分类模型的训练方法、装置、介质以及设备，其中的方法包括：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；获取多个参考图像样本对中的各参考图像样本对的差异化特征，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；根据N个类别各自对应的第一图像特征及多个差异化特征形成N个类别的生成特征；根据N个类别各自对应的第一图像特征及N个类别的生成特征设置图像分类模型中的元分类器的参数。本公开有利于使较少数量的支持图像样本呈现出图像样本多样性，从而有利于提高图像分类模型的训练效果，有利于提高图像分类模型的鲁棒性，进而有利于提高图像分类模型的分类处理准确性。

技术领域

本公开涉及计算机视觉技术，尤其是涉及一种图像分类模型的训练方法、图像分类模型的训练装置、存储介质以及电子设备。

背景技术

在一些计算机视觉应用中，需要使用图像分类模型对图像进行分类处理。在对图像分类模型进行训练的过程中，往往需要使用大量的包含有多个类别的目标对象的图像样本，且各类别的图像样本的数量通常应较为均衡。然而，在实际应用中，由于一些场景下的图像样本的采集较为困难等因素，有时会存在部分类别或者所有类别的图像样本的数量较少的现象。图像样本的数量较少会影响图像分类模型的训练效果，从而会影响图像分类模型分类的准确性。

另外，对数量众多的图像样本分别进行标注，并利用标注后的图像样本对图像分类模型进行训练，往往需要耗费大量的人力成本、时间成本以及计算资源。

如何在图像样本的数量较少的情况下，使图像分类模型获得较好的训练效果，从而提高图像分类模型的分类处理准确性，是一个值得关注的技术问题。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种图像分类模型的训练方法、装置、存储介质以及电子设备。

根据本公开实施例的一方面，提供了一种图像分类模型的训练方法，该方法包括：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；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；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。

根据本公开实施例的再一方面，提供一种图像分类模型的训练装置，该装置包括：特征提取模块，用于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；获取差异化特征模块，用于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；形成生成特征模块，用于根据所述特征提取模块获得的N个类别各自对应的第一图像特征以及所述获取差异化特征模块获得的多个差异化特征，形成所述N个类别的生成特征；设置元分类器参数模块，用于根据所述特征提取模块获得的N个类别各自对应的第一图像特征以及所述形成生成特征模块行车的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。

根据本公开实施例的再一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于实现上述方法。

根据本公开实施例的又一方面，提供了一种电子设备，该电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述方法。