[发明专利]图像分类模型的训练方法、图像分类方法及装置

权利要求书

1.一种图像分类模型的训练方法，包括：

获取样本图像；

采用所述样本图像，对图像分类模型执行多轮训练过程，其中，任意一轮的训练过程包括：根据设定的稀疏权重矩阵进行所述图像分类模型的前向计算，以得到所述样本图像在本轮的预测类别；根据所述预测类别与样本图像上的类别标注标签之间的差异，以确定本轮的损失函数；对所述本轮的损失函数进行反向梯度计算，以得到本轮的稠密权重矩阵；对所述本轮的稠密权重矩阵进行裁剪，以得到用于下一轮训练过程的稀疏权重矩阵；

在所述任意的一轮的损失函数的取值小于阈值的情况下，停止所述训练过程。

2.根据权利要求1所述方法，其中，对所述本轮的稠密权重矩阵进行裁剪，以得到下一轮的稀疏权重矩阵，包括：

将所述本轮的稠密权重矩阵中的各权重值与设定权重阈值进行比对，以从各所述权重值中确定大于设定权重阈值的目标权重值；

将各所述权重值中除所述目标权重值之外的其余权重值置零，以得到下一轮的稀疏权重矩阵。

3.根据权利要求2所述的方法，其中，所述方法还包括：

对所述下一轮的稀疏权重矩阵进行存储，以在执行下一轮训练过程时，获取对应的稀疏权重矩阵。

4.根据权利要求3所述的方法，其中，所述对所述下一轮的稀疏权重矩阵进行存储，包括：

获取所述下一轮的稀疏权重矩阵中的各非零权重值，以及各所述非零权重值在所述下一轮的稀疏权重矩阵中的位置；

根据各所述非零权重值在所述下一轮的稀疏权重矩阵中的位置，对各所述非零权重值进行存储。

5.根据权利要求3所述的方法，其中，所述对所述下一轮的稀疏权重矩阵进行存储，包括：

获取所述下一轮的稀疏权重矩阵中的各非零权重值，以及各所述非零权重值在所述下一轮的稀疏权重矩阵中的行索引与列索引；

采用第一存储数组中的元素存储各所述非零权重值；

根据各所述非零权重值的行索引，从所述第一存储数组中确定对应各行的第一目标元素；其中，各所述行的第一目标元素是所述下一轮的稀疏权重矩阵对应行中的首个非零权重值；

采用第二存储数组中的元素，对所述第一目标元素在所述第一存储数据组中的位置进行存储，并采用所述第二存储数组中的最后一个元素对所述第一存储数组所包含的元素个数进行存储；

采用第三存储数组中的元素，对所述第一存储数组中各元素在所述下一轮的稀疏权重矩阵中对应的列索引进行存储。

6.根据权利要求1所述的方法，其中，所述根据本轮的稀疏权重矩阵进行所述图像分类模型的前向计算，包括：

根据本轮图像分类模型中的各算子矩阵以及本轮的稀疏权重矩阵进行前向计算，以得到所述样本图像在本轮预测类别；

相应的，对所述本轮的损失函数进行反向梯度计算，以得到本轮的稠密权重矩阵，包括：

根据本轮图像分类模型中的各算子矩阵对所述本轮的损失函数进行反向梯度计算，以得到本轮的稠密权重矩阵。

7.根据权利要求1-6中任一项所述的方法，其中，所述任意的一轮训练过程中还包括：

从本轮图像分类模型中的各算子矩阵中确定至少一个目标算子矩阵；

在所述本轮图像分类模型中的各算子矩阵中，对所述至少一个目标算子矩阵进行稀疏化，以得到下一轮训练所采用的各算子矩阵，其中，首轮对应的各算子矩阵是对所述图像分类模型的初始的各算子矩阵进行稀疏化得到的。

8.根据权利要求1-6任一项所述的方法，其中，所述方法还包括：

根据所述样本图像，确定所述图像分类模型的初始的权重矩阵；

将所述初始的权重矩阵进行稀疏化，以得到首轮所述训练过程采用的所述设定的稀疏权重矩阵。

9.一种图像分类方法，包括：

获取待分类图像；

采用权利要求1-8中任一项所述图像分类模型的训练方法得到的图像分类模型，对所述待分类图像中的对象进行类别预测，以得到所述待分类图像的预测类别。