[发明专利]分类模型的生成方法、分类方法、装置、电子设备与介质

说明书

本公开提供了一种分类模型的生成方法、分类方法、装置、电子设备与介质，涉及人工智能领域，尤其涉及计算机视觉，进一步涉及图像分类。根据实施例，一种分类模型的生成方法可以包括：获取正样本集和负样本集，正样本集中的样本包括第一图像集中的被标注为相似的图像对，并且负样本集中的样本包括第一图像集中的被标注为不相似的图像对；基于正样本集和负样本集训练第一子网络；构建分类模型，分类模型包括第二子网络，并且第二子网络的初始权重为第一子网络的对应节点的训练后的权重；以及将第二图像集作为训练集，训练分类模型，第二图像集与第一图像集至少共享一部分相同的图像。

技术领域

本公开涉及人工智能，尤其涉及计算机视觉，进一步涉及图像分类，并且具体涉及一种分类模型的生成方法、分类方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

图像中经常蕴含不同的目标信息，并且因此，期望使用分类模型来对图像中的目标进行分类。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种分类模型的生成方法、分类方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种分类模型的生成方法，包括：获取正样本集和负样本集，所述正样本集中的样本包括第一图像集中的被标注为相似的图像对，并且所述负样本集中的样本包括所述第一图像集中的被标注为不相似的图像对；基于所述正样本集和所述负样本集训练第一子网络；构建分类模型，所述分类模型包括第二子网络，并且所述第二子网络的初始权重为所述第一子网络的对应节点的训练后的权重；以及将第二图像集作为训练集，训练所述分类模型，所述第二图像集与所述第一图像集至少共享一部分相同的图像。

根据本公开的另一方面，提供了一种分类方法，包括：获取待分类图像；以及基于分类模型对所述待分类图像进行分类，其中，所述分类模型是根据本公开的实施例的分类模型生成方法而生成的。

根据本公开的另一方面，提供了一种分类模型的生成装置，包括：第一样本获取单元，被配置成获取正样本集和负样本集，所述正样本集中的样本包括第一图像集中的被标注为相似的图像对，并且所述负样本集中的样本包括所述第一图像集中的被标注为不相似的图像对；第一训练单元，被配置成基于所述正样本集和所述负样本集训练第一子网络；模型构建单元，被配置成构建分类模型，所述分类模型包括第二子网络，并且所述第二子网络的初始权重为所述第一子网络的对应节点的训练后的权重；以及第二训练单元，被配置成将第二图像集作为训练集，训练所述分类模型，所述第二图像集与所述第一图像集至少共享一部分相同的图像。

根据本公开的另一方面，提供了一种分类装置，包括：分类模型，所述分类模型是根据本公开的实施例的分类模型生成方法而生成的；图像获取单元，被配置成获取图像作为所述分类模型的输入；以及分类执行单元，被配置成获取所述分类模型的输出，所述输出指示从所述图像中识别的目标类型。

根据本公开的另一方面，提供了一种电子设备，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至少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能够执行根据本公开所述的分类模型生成方法或分类方法。