基于人工智能的图像分类模型训练方法、分类方法及装置.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111275080 A (43)申请公布日 2020.06.12 (21)申请号 202010036150.3 (22)申请日 2020.01.14 (71)申请人 腾讯科技（深圳）有限公司 地址 518000 广东省深圳市南山区高新区 科技中一路腾讯大厦35层 (72)发明人 郑瀚　尚鸿　孙钟前　付星辉　 (74)专利代理机构 北京派特恩知识产权代理有 限公司 11270 代理人 王花丽　张颖玲 (51)Int.Cl. G06K 9/62(2006.01) G06F 16/55(2019.01) G06F 21/60(2013.01) G16H 30/20(2018.01) 权利要求书4页 说明书21页 附图11页 (54)发明名称 基于人工智能的图像分类模型训练方法、分 类方法及装置 (57)摘要 本发明提供了一种基于人工智能的图像分 类模型训练方法、分类方法、装置、电子设备及存 储介质；方法包括：获取包括原始图像、标注区域 及标注标签的原始样本；其中，所述标注标签用 于表示所述原始图像中位于所述标注区域的图 像的分类结果；对所述原始图像进行增广处理得 到增广图像；当所述增广图像符合所述标注区域 对应的增广条件时，根据所述标注标签确定所述 增广图像的增广标注标签，并根据所述增广图像 和所述增广标注标签，构建增广样本；根据所述 原始样本和所述增广样本，更新图像分类模型的 A 权重参数；其中，更新后的所述图像分类模型用 0 于确定待处理图像的分类结果。通过本发明，能 8 0 5 够提升图像增广以及进行图像分类的准确性。 7 2 1 1 1 N C CN 111275080 A 权　利　要　求　书 1/4页 1.一种基于人工智能的图像分类模型训练方法，其特征在于，包括： 获取包括原始图像、标注区域及标注标签的原始样本；其中，所述标注标签用于表示所 述原始图像中位于所述标注区域的图像的分类结果； 对所述原始图像进行增广处理得到增广图像； 当所述增广图像符合所述标注区域对应的增广条件时，根据所述标注标签确定所述增 广图像的增广标注标签，并 根据所述增广图像和所述增广标注标签，构建增广样本； 根据所述原始样本和所述增广样本，更新图像分类模型的权重参数； 其中，更新后的所述图像分类模型用于确定待处理图像的分类结果。 2.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述对所述原始图像进 行增广处理得到增广图像，包括： 执行以下至少一种处理： 根据所述原始图像的尺寸和裁剪比例，确定裁剪尺寸，并 根据所述裁剪尺寸对所述原始图像进行裁剪处理，得到增广图像； 根据设定的遮挡面积对所述原始图像进行裁出处理，得到裁出的遮挡区域，并 将包括所述遮挡区域的所述原始图像，确定为增广图像。 3.根据权利要求2所述的图像分类模型训练方法，其特征在于，所述当所述增广图像符 合所述标注区域对应的增广条件时，根据所述标注标签确定所述增广图像的增广标注标 签，包括： 确定第一标注面积与第二标注面积之间的面积比例，其中，所述第一标注面积是所述 增广图像包括的所述标注区域的面积，所述第二标注面积是所述原始图像中的所述标注区 域的面积； 当所述增广图像是经过裁剪处理得到、且所述面积比例大于第一比例阈值时，将所述 标注标签确定为所述增广图像的增广标注标签； 当所述增广图像