[发明专利]一种分类标签的构建方法及装置

权利要求书

1.一种分类标签的构建方法，其特征在于，包括：

获取用于训练预设模型的样本图片；所述预设模型是用于识别原始图片的初筛网络模型；所述样本图片为拍摄物外表面包含异常特征的第二目标图片；所述异常特征包括凸起特征和/或指定颜色特征；

根据所有样本图片的图片背景对所有样本图片进行分类；所述图片背景包括部分拍摄缺陷对应的图片背景、和/或附着有覆盖物的图片背景；

将分类后的样本图片与每类第一目标图片分别进行比照，并根据比照结果对分类后的样本图片进行再次分类，并为再次分类的每类样本图片构建一一对应的标签；所述第一目标图片为拍摄物外表面不包含异常特征的目标图片。

2.根据权利要求1所述的方法，其特征在于，所述并为再次分类的每类样本图片构建一一对应的标签的步骤之后，所述方法还包括：

获取每类样本图片分别对应的样本数量，并将少于第一预设数量的样本数量对应的每类样本图片作为每类第一目标样本图片；

生成增补模拟数据，并将所述增补模拟数据补入每类第一目标样本图片。

3.根据权利要求1所述的方法，其特征在于，所述并为再次分类的每类样本图片构建一一对应的标签的步骤之后，所述方法还包括：

检测每类样本图片中的异常特征，将满足预设条件的每类样本图片作为每类第二目标样本图片；其中，所述预设条件包括异常特征所占据像素数少于预设像素数、且少于预设像素数的异常特征所对应的图片背景为复杂图片背景；所述复杂图片背景包括图片全局具有胃角结构和/或纹理结构的图片背景；

生成增补模拟数据，并将所述增补模拟数据补入每类第二目标样本图片。

4.根据权利要求1至3任一所述的方法，其特征在于，所述异常特征划分为异常子特征；相应的，所述并为再次分类的每类样本图片构建一一对应的标签的步骤之后，所述方法还包括：

获取每类样本图片对应的异常子特征，并获取每类异常子特征对应的样本图片数量；并将多于第二预设数量的样本图片数量对应的异常子特征所在的样本图片作为每类第三目标样本图片；

分别拆分每类第三目标样本图片。

5.根据权利要求4所述的方法，其特征在于，所述分别拆分每类第三目标样本图片，包括：

对于某一类第三目标样本图片j，获取第三目标样本图片j的所有图片背景；

比较所有图片背景之间的第一相似度，并将第一相似度低于第一预设相似度的每两个图片背景对应的图片进行拆分。

6.根据权利要求5所述的方法，其特征在于，所述并将第一相似度低于第一预设相似度的每两个图片背景对应的图片进行拆分的步骤之后，所述方法还包括：

获取拆分后的每类第三样本图片对应的样本图片数量，并将多于第二预设数量的样本图片数量对应的拆分后的每类样本图片作为每类第四目标样本图片；

分别拆分每类第四目标样本图片。

7.根据权利要求6所述的方法，其特征在于，所述分别拆分每类第四目标样本图片，包括：

对于某一类第四目标样本图片i，获取第四目标样本图片i的所有异常子特征；

比较所有异常子特征之间的第二相似度，并将第二相似度低于第二预设相似度的每两个异常子特征对应的图片进行拆分。

8.一种分类标签的构建装置，其特征在于，包括：

获取单元，用于获取用于训练预设模型的样本图片；所述预设模型是用于识别原始图片的初筛网络模型；所述样本图片为拍摄物外表面包含异常特征的第二目标图片；所述异常特征包括凸起特征和/或指定颜色特征；

分类单元，用于根据所有样本图片的图片背景对所有样本图片进行分类；所述图片背景包括部分拍摄缺陷对应的图片背景、和/或附着有覆盖物的图片背景；

构建单元，用于将分类后的样本图片与每类第一目标图片分别进行比照，并根据比照结果对分类后的样本图片进行再次分类，并为再次分类的每类样本图片构建一一对应的标签；所述第一目标图片为拍摄物外表面不包含异常特征的目标图片。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。