[发明专利]图像分类方法和装置

说明书

本申请公开了一种图像分类方法和装置，涉及人工智能技术领域；本申请获取待训练的自编码模型、样本图像、标签信息以及参考图像，自编码模型包括第一特征提取分支和第二特征提取分支、解码器；基于样本图像及其标签信息对第一特征提取分支进行预训练，得到预训练后第一特征提取分支；通过预训练后第一特征提取分支对样本图像和参考图像进行特征提取，得到样本图像的样本特征信息和参考图像的参考特征信息；基于样本特征信息和参考特征信息之间的损失值对参考图像进行更新，得到第一特征图像；根据样本图像和第一特征图像对自编码模型训练，得到训练后自编码模型，训练后自编码模型用于对图像分类。本申请可以提高图像分类的准确性和泛化性能。

技术领域

本申请涉及计算机技术领域，具体涉及一种图像分类方法和装置。

背景技术

随着计算机技术的飞速发展，图像处理技术可应用的范围越来越广泛。通过图像处理技术，可以根据图像中包含的内容，基于图像分类模型对图像进行分类。

在训练图像分类模型时，通常直接利用图像的标签信息进行训练，这样训练得到的图像分类模型的泛化性能较差。

发明内容

本申请实施例提供一种图像分类方法和装置，可以提高模型对图像分类的准确性和泛化性能。

本申请实施例提供一种图像分类方法，包括：

获取训练数据和待训练的自编码模型，所述训练数据包括样本图像、所述样本图像对应的标签信息以及参考图像，所述自编码模型包括第一特征提取分支和第二特征提取分支、解码器，所述第一特征提取分支和所述第二特征提取分支共用编码器；

基于所述样本图像及其对应的标签信息，对所述第一特征提取分支进行预训练，得到预训练后的第一特征提取分支，所述第一特征提取分支包括编码器和第一特征提取层；

通过所述预训练后的第一特征提取分支，对所述样本图像和所述参考图像进行特征提取，得到所述样本图像对应的样本特征信息和所述参考图像对应的参考特征信息；

基于所述样本特征信息和所述参考特征信息之间的损失值，对所述参考图像进行更新，得到所述样本图像对应的第一特征图像；

根据所述样本图像和所述第一特征图像对自编码模型进行训练，得到训练后的自编码模型，所述训练后的自编码模型用于对图像进行分类。

相应的，本申请实施例提供一种图像分类装置，包括：

获取单元，用于获取训练数据和待训练的自编码模型，所述训练数据包括样本图像、所述样本图像对应的标签信息以及参考图像，所述自编码模型包括第一特征提取分支和第二特征提取分支、解码器，所述第一特征提取分支和所述第二特征提取分支共用编码器；

第一训练单元，用于基于所述样本图像及其对应的标签信息，对所述第一特征提取分支进行预训练，得到预训练后的第一特征提取分支，所述第一特征提取分支包括编码器和第一特征提取层；

提取单元，用于通过所述预训练后的第一特征提取分支，对所述样本图像和所述参考图像进行特征提取，得到所述样本图像对应的样本特征信息和所述参考图像对应的参考特征信息；

更新单元，用于基于所述样本特征信息和所述参考特征信息之间的损失值，对所述参考图像进行更新，得到所述样本图像对应的第一特征图像；

第二训练单元，用于根据所述样本图像和所述第一特征图像对自编码模型进行训练，得到训练后的自编码模型，所述训练后的自编码模型用于对图像进行分类。

可选的，在本申请的一些实施例中，所述第二训练单元可以包括第一确定子单元、第一提取子单元、解码子单元和第一调整子单元，如下：

所述第一确定子单元，用于将所述样本图像和所述第一特征图像分别确定为训练图像；