[发明专利]分类模型训练方法、分类方法、装置、设备及介质

权利要求书

1.一种基于对比学习的分类模型训练方法，其特征在于，所述分类模型训练方法包括：

获取样本图像，从所述样本图像中提取所述样本图像对应的标签值；

使用预设第一编码器与预设第二编码器对所述样本图像进行对比学习，确定所述对比学习对应的第一损失；

从所述预设第一编码器与预设第二编码器中选取目标编码器，使用所述目标编码器对所述样本图像进行编码处理，得到所述样本图像对应的图像特征，通过初始分类模型对所述图像特征进行预测分类，得到预测分类结果；

使用所述预测分类结果与所述样本图像对应的标签值，计算所述初始分类模型对应的第二损失；

根据所述第一损失与所述第二损失，构建训练损失函数，基于所述训练损失函数对所述初始分类模型进行训练，得到训练好的分类模型。

2.如权利要求1所述的分类模型训练方法，其特征在于，所述使用预设第一编码器与预设第二编码器对所述样本图像进行对比学习，确定所述对比学习对应的第一损失，包括：

对所述样本图像进行增强处理，得到所述样本图像对应的第一增强图像与第二增强图像；

使用预设第一编码器对所述第一增强图像进行编码处理，得到第一编码特征，使用预设第二编码器对所述第二增强图像进行编码处理，得到第一编码特征；

根据所述第一编码特征与所述第二编码特征计算对比学习对应的第一损失。

3.如权利要求2所述的分类模型训练方法，其特征在于，所述根据所述第一编码特征与所述第二编码特征计算对比学习对应的第一损失，包括：

通过多层感知器，将所述第一编码特征与第二编码特征投射为同一空间中，得到所述第一编码特征对应的第一特征向量与所述第二编码特征对应的第二特征向量；

计算所述第一特征向量与所述第二特征向量之间的相似性差值，根据所述相似性差值确定所述第一损失。

4.如权利要求1所述的分类模型训练方法，其特征在于，所述使用所述预测分类结果与所述样本图像对应的标签值，计算所述初始分类模型对应的第二损失，包括：

从所述样本图像对应的标签值中获取第一属性的标签值与第二属性的标签值；

将所述第一属性标签值与所述第二属性标签值进行掩码处理，得到目标第一标签值与目标第二标签值；

根据所述目标第一标签值与目标第二标签值，以及所述预测分类结果，计算得到所述初始分类模型对应的第二损失。

5.如权利要求4所述的分类模型训练方法，其特征在于，所述根据所述目标第一标签值与目标第二标签值，以及所述预测分类结果，计算得到所述初始分类模型对应的第二损失，包括：

根据所述预测分类结果，确定所述分类模型中每个任务中对应的预测分类结果；

根据所述目标第一标签值与目标第二标签值，以及所述预测分类结果，计算得到所述所述初始分类模型中每个任务中的子损失；

根据所述初始分类模型中每个任务中的子损失，确定所述初始分类模型对应的第二损失。

6.如权利要求1所述的分类模型训练方法，其特征在于，所述根据所述第一损失与所述第二损失，构建训练损失函数，基于所述训练损失函数对所述初始分类模型进行训练，得到训练好的分类模型，包括：

对所述所述第一损失与所述第二损失设置超参数权重，计算第一损失与所述第二损失之和，得到训练损失函数；

使用所述训练损失函数对所述初始分类模型进行训练，当所述训练损失函数收敛时，得到训练好的分类模型。

7.一种基于对比学习的分类方法，其特征在于，所述分类方法包括：

获取待分类图像；

使用权利要求1至6任一项所述的分类模型训练方法训练好的分类模型对所述待分类图像进行分类处理，得到所述待分类图像对应的分类结果。