[发明专利]分类模型的训练方法和对图像进行分类的方法

权利要求书

1.一种分类模型的训练方法，包括：

获取图像样本，所述图像样本具有指示类别的标签且所述图像样本中的至少部分样本为包括目标物体的图像；

将所述图像样本输入所述分类模型中不包括翻转层的第一处理支路，获得所述图像样本的第一分类信息；

将所述图像样本输入所述分类模型中包括翻转层的第二处理支路，获得所述图像样本的第二分类信息；以及

基于所述第一分类信息、所述第二分类信息和所述标签，对所述分类模型进行训练，

其中，所述翻转层用于对所述图像样本进行镜像翻转，

其中，对所述分类模型进行训练包括：

基于所述第一分类信息和所述第二分类信息，确定所述图像样本的预测类别；以及

根据所述预测类别和所述标签指示的类别，对所述分类模型进行训练。

2.根据权利要求1所述的方法，其中，所述第二处理支路还包括特征提取层和全连接层；获得所述图像样本的第二分类信息包括：

以所述图像样本作为所述特征提取层的输入，获得所述图像样本的特征信息；

以所述特征信息作为所述翻转层的输入，获得翻转后的翻转特征信息；以及

以所述翻转特征信息作为所述全连接层的输入，获得所述图像样本的第二分类信息。

3.根据权利要求1所述的方法，其中，所述标签指示的类别包括指示第一物体的第一类别、指示第二物体的第二类别和指示背景的第三类别；所述第一分类信息和所述第二分类信息均包括针对所述第一类别的第一预测概率和针对所述第三类别的第二预测概率；确定所述图像样本的预测类别包括：

确定所述第一分类信息和所述第二分类信息中包括的最大概率，作为第一概率；以及

根据所述第一概率所针对的类别和所述第一概率所属的分类信息，确定所述预测类别。

4.根据权利要求3所述的方法，其中，所述确定所述预测类别包括：

在所针对的类别为所述第一类别且所属的分类信息为所述第一分类信息的情况下，确定所述预测类别为所述第一类别；

在所针对的类别为所述第一类别且所属的分类信息为所述第二分类信息的情况下，确定所述预测类别为所述第二类别；以及

在所针对的类别为所述第三类别的情况下，确定所述预测类别为所述第三类别，

其中，所述第一物体和所述第二物体彼此镜像对称，所述目标物体包括所述第一物体和所述第二物体。

5.根据权利要求4所述的方法，其中：

所述翻转层用于关于第一轴对所述图像样本进行镜像翻转；以及

所述第一物体为呈镜像对称的两个物体中的其中一个物体，所述第二物体为呈镜像对称的两个物体中的其中另一个物体。

6.根据权利要求4所述的方法，其中：

所述翻转层用于关于第二轴对所述图像样本进行镜像翻转；以及

所述第一物体为第一视角下的物体，所述第二物体为与第一视角相对的第二视角下的物体。

7.根据权利要求3所述的方法，其中：

所述第二处理支路包括具有第一翻转层的第一子支路、具有第二翻转层的第二子支路和具有依次连接的所述第一翻转层和所述第二翻转层的第三子支路；

所述第一翻转层用于关于第一轴对所述图像样本进行镜像翻转，所述第二翻转层用于关于第二轴对所述图像样本进行镜像翻转；

获得所述图像样本的第二分类信息包括：基于所述第一子支路，获得所述图像样本的第一子分类信息；基于所述第二子支路，获得所述图像样本的第二子分类信息；以及基于所述第三子支路，获得所述图像样本的第三子分类信息。