CN114332538B 图像分类模型训练方法、图像分类方法、设备及存储介质 （中国农业银行股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114332538B(45)授权公告日2025.07.11

(21)申请号202111668948.0GO6N3/084(2023.01)

(22)申请日2021.12.30(56)对比文件

(65)同一申请的已公布的文献号申请公布号CN114332538A

(43)申请公布日2022.04.12

(73)专利权人中国农业银行股份有限公司

地址100005北京市东城区建国门内大街

69号

(72)发明人蒋亚菊许迪沈德星刘旸

CN112990432A,2021.06.18CN112541463A,2021.03.23

审查员黄蝶

(74)专利代理机构北京同立钧成知识产权代理

有限公司11205专利代理师马明明刘芳

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/82(2022.01)权利要求书2页说明书12页附图6页

(54)发明名称

图像分类模型训练方法、图像分类方法、设备及存储介质

(57)摘要

CN114332538B本申请提供一种图像分类模型训练方法、图像分类方法、设备及存储介质，具体实现方案包括：获取目标图像分类模型及对目标图像分类模型进行训练的图像训练样本；采用图像训练样本对目标图像分类模型进行训练，并在每次训练时先后执行对目标图像分类模型中的决策函数的学习训练过程及对图像训练样本对应的特征表示的学习训练过程，两个学习训练过程对应的损失函数表示为L2正则化推广形式，并且在对应的损失函数中对决策函数或特征表示进行正交化处理；判断是否满足目标图像分类模型的收敛条件；若确定满足目标图像分类模型的收敛条件，

CN114332538B

获取目标图像分类模型及对目标图像分类

获取目标图像分类模型及对目标图像分类模型进行训练的图像训练样本

S202

采用图像训练样本对目标图像分类模型进

行训练，并在每次训练时先后执行对目标

图像分类模型中的决策函数的学习训练过

程及对图像训练样本对应的特征表示的学

习训练过程，两个学习训练过程对应的辅

助损失函数表示为L2正则化推广形式，并

且在辅助损失函数中对决策函数或特征表

示进行正交化处理

S203

判断是否满足目标图像分类模型的收敛条件

若确定满足目标图像分类模型的收敛条件

,则将满足收敛条件的目标图像分类模型

确定为训练至收敛的图像分类模型

CN114332538B权利要求书1/2页

2

1.一种图像分类模型训练方法，其特征在于，包括：

获取目标图像分类模型及对所述目标图像分类模型进行训练的图像训练样本；所述目标图像分类模型为有监督的神经网络模型；

采用图像训练样本对所述目标图像分类模型进行训练，并在每次训练时，先采用第一损失函数执行对目标图像分类模型中的决策函数的学习训练过程，后采用第二损失函数执行对图像训练样本对应的特征表示的学习训练过程，两个学习训练过程对应的辅助损失函数表示为L2正则化推广形式，其中，所述第一损失函数中包括的辅助损失函数为高斯决策正则损失函数，第二损失函数中包括的辅助损失函数为高斯特征表示损失函数；并且在高斯决策正则损失函数中对决策函数进行正交化处理，在高斯特征表示损失函数中对特征表示进行正交化处理；判断是否满足目标图像分类模型的收敛条件；

若确定满足目标图像分类模型的收敛条件，则将满足收敛条件的目标图像分类模型确定为训练至收敛的图像分类模型。

2.根据权利要求1所述的方法，其特征在于，所述先采用第一损失函数执行对目标图像分类模型中的决策函数的学习训练过程，后采用第二损失函数执行对图像训练样本对应的特征表示的学习训练过程，包括：

在每次训练时计算基础损失函数，并计算基础损失函数与高斯决策正则损失函数的第一求和结果，以及基础损失函数与高斯特征表示损失函数的第二求和结果；

将第一求和结果确定为第一损