CN114169393A - 一种图像分类方法及其相关设备 - Google Patents
一种图像分类方法及其相关设备 Download PDFInfo
- Publication number
- CN114169393A CN114169393A CN202111294416.5A CN202111294416A CN114169393A CN 114169393 A CN114169393 A CN 114169393A CN 202111294416 A CN202111294416 A CN 202111294416A CN 114169393 A CN114169393 A CN 114169393A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- distribution
- model
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种图像分类方法及其相关设备,可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。本申请的方法包括:获取目标图像;通过图像分类模型对目标图像进行处理,得到分类结果,分类结果用于在多个类别中确定目标图像所属的类别,该处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布包含与多个类别一一对应的多个目标概率分布,每个目标概率分布具有一个偏度,任意两个偏度之间存在夹角。
Description
技术领域
本申请涉及人工智能(artificial intelligence,AI)技术领域,尤其涉及一种图像分类方法及其相关设备。
背景技术
卷积神经网络因其优良的表现,被广泛应用于图像分类中,但为了能实际应用到计算资源受限的设备上,往往需要对卷积神经网络做适配以满足使用要求。例如,可将卷积神经网络中的乘法算子替换为加法算子,以此消除在整体计算中的乘法部分,只保留加法部分。因此,可得到一个加法神经网络,可降低功耗,有利于硬件的设计与实现。
在进行图像分类时,加法神经网络在提取图像的特征后,可基于图像的特征进行分类处理,以得到图像的分类结果。然而,加法神经网络中的特征符合长尾分布,即每一个类别的特征可视为一个长尾分布,不同类别的特征之间存在难以分离的重叠区域。若某个图像的特征位于这些重叠区域中,加法神经网络则无法确定该图像的特征落于哪个类别中,故无法准确得到该图像的分类结果。
发明内容
本申请实施例提供了一种图像分类方法及其相关设备,可准确判断目标图像的特征落于哪一个类别对应的拉普拉斯分布,从而准确得到目标图像的分类结果。
本申请实施例的第一方面提供了一种图像分类方法,该方法包括:
当需要确定目标图像的类别时,可先获取用于实现图像分类功能的图像分类模型。需要说明的是,图像分类模型经过处理所得到的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,多个目标概率分布与多个类别一一对应(即每个目标概率分布可视为一个类别的特征),且每个类别对应的目标概率分布具有一个偏度。在这多个偏度中,任意两个偏度之间存在夹角。
通过图像分类模型对目标图像进行处理,得到分类结果,分类结果用于在多个类别中确定目标图像所属的类别,图像分类模型所执行的处理用于令目标图像的特征符合前述的目标概率混合分布。
从上述方法可以看出:在获取目标图像后,可通过图像分类模型对目标图像进行处理,得到分类结果,该分类结果用于在多个类别中确定目标图像所属的类别。前述过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个目标的数量均为N,N为大于1的正整数,图像分类模型包含第一子模型和第二子模型,通过图像分类模型对目标图像进行处理,得到分类结果包括:
通过第一子模型对目标图像进行特征提取,得到目标图像的特征;通过第二子模型基于第i个目标概率分布的概率密度函数对目标图像的特征进行计算,得到目标图像属于第i个类别的概率,第i个目标概率分布的概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含目标图像属于N个类别的概率。前述实现方式中,通过第一子模型对目标图像进行特征提取后,可得到目标图像的特征。然后,通过第二子模型基于第i个类别对应的目标概率分布(即第i个目标概率分布)的概率密度函数对进行计算,得到在第i个类别对应的目标概率分布中,目标图像的特征落于该分布中的概率。接着,通过第二子模型基于贝叶斯公式对前述的概率进行计算,可得到目标图像属于第i个类别的概率。重复执行前述的操作,可准确得到目标图像属于第1个类别的概率、目标图像属于第2个类别的概率、...、目标图像属于第N个类别的概率,这些概率则组成了目标图像的分类结果。
在一种可能的实现方式中,任意两个偏度之间存在夹角包括:任意两个偏度之间的余弦相似度不等于1,也就表明这两个偏度所属的目标概率分布的长尾的延伸方向是不同的,二者不存在重叠区域。
在一种可能的实现方式中,图像分类模型为加法神经网络。
在一种可能的实现方式中,第i个目标概率分布的概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,目标概率混合分布为拉普拉斯混合分布,目标概率分布为拉普拉斯分布。
本申请实施例的第二方面提供了一种模型训练方法,该方法包括:获取待处理图像;通过待训练模型对待处理图像进行处理,得到预测分类结果,预测分类结果用于在多个类别中确定待处理图像所属的类别,该处理用于令待处理图像的特征符合待训练混合分布,待训练混合分布包含与多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度;基于待处理图像的真实分类结果、预测分类结果、待训练模型的参数获取目标损失,目标损失用于指示真实分类结果与预测分类结果之间的差异,待训练混合分布与预置的目标概率混合分布之间的差异,以及任意两个偏度之间的夹角与预置的夹角之间的差异;基于目标损失更新待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
上述方法训练得到的图像分类模型,具备利用目标图像进行分类的能力。在图像分类的过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个待训练分布的数量均为N,N为大于1的正整数,待训练模型包含第一子模型和第二子模型,通过图像分类模型对待处理图像进行处理,得到分类结果包括:通过第一子模型对待处理图像进行特征提取,得到待处理图像的特征;通过第二子模型基于第i个待训练分布的概率密度函数对待处理图像的特征进行计算,得到待处理图像属于第i个类别的概率,第i个待训练分布的概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含待处理图像属于N个类别的概率。
在一种可能的实现方式中,待训练模型为加法神经网络。
在一种可能的实现方式中,第i个待训练分布的概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,预置的夹角包含预置的余弦相似度,预置的余弦相似度不等于1。
在一种可能的实现方式中,预置的目标概率混合分布为预置的拉普拉斯混合分布。
本申请实施例的第三方面提供了一种图像分类装置,该装置包括:获取模块,用于获取目标图像;处理模块,用于通过图像分类模型对目标图像进行处理,得到分类结果,分类结果用于在多个类别中确定目标图像所属的类别,该处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布包含与多个类别一一对应的多个目标概率分布,每个目标概率分布具有一个偏度,任意两个偏度之间存在夹角。
从上述装置可以看出:在获取目标图像后,可通过图像分类模型对目标图像进行处理,得到分类结果,该分类结果用于在多个类别中确定目标图像所属的类别。前述过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个目标的数量均为N,N为大于1的正整数,目标概率混合分布包含N个目标概率分布,N个类别与N个目标概率分布一一对应,图像分类模型包含第一子模型和第二子模型,处理模块,用于:通过第一子模型对目标图像进行特征提取,得到目标图像的特征;通过第二子模型基于第i个目标概率分布的概率密度函数对目标图像的特征进行计算,得到目标图像属于第i个类别的概率,第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含目标图像属于N个类别的概率。
在一种可能的实现方式中,图像分类模型为加法神经网络。
在一种可能的实现方式中,第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,任意两个偏度之间存在夹角包括:任意两个偏度之间的余弦相似度不等于1。
在一种可能的实现方式中,目标概率混合分布为拉普拉斯混合分布,目标概率分布为拉普拉斯分布。
本申请实施例的第四方面提供了一种模型训练装置,该装置包括:第一获取模块,用于获取待处理图像;处理模块,用于通过待训练模型对待处理图像进行处理,得到预测分类结果,预测分类结果用于在多个类别中确定待处理图像所属的类别,该处理用于令目标图像的特征符合待训练混合分布,待训练混合分布包含与多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度;第二获取模块,用于基于待处理图像的真实分类结果、预测分类结果、待训练模型的参数获取目标损失,目标损失用于指示真实分类结果与预测分类结果之间的差异,待训练混合分布与预置的目标概率混合分布之间的差异,以及多个偏度中任意两个偏度之间的夹角与预置的夹角之间的差异;更新模块,用于基于目标损失更新待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
上述装置训练得到的图像分类模型,具备利用目标图像进行分类的能力。在图像分类的过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个待训练分布的数量均为N,N为大于1的正整数,待训练混合分布包含N个待训练分布,N个类别与N个待训练分布一一对应,处理模块,用于:通过第一子模型对待处理图像进行特征提取,得到待处理图像的特征;通过第二子模型基于第i个待训练分布的概率密度函数对待处理图像的特征进行计算,得到待处理图像属于第i个类别的概率,第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含待处理图像属于N个类别的概率。
在一种可能的实现方式中,待训练模型为加法神经网络。
在一种可能的实现方式中,第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,其特征在于,预置的夹角包含预置的余弦相似度,预置的余弦相似度不等于1。
在一种可能的实现方式中,预置的目标概率混合分布为预置的拉普拉斯混合分布。
本申请实施例的第五方面提供了一种图像分类装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,图像分类装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第六方面提供了一种模型训练装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,模型训练装置执行如第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第七方面提供了一种电路系统,该电路系统包括处理电路,该处理电路配置为执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第八方面提供了一种芯片系统,该芯片系统包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
在一种可能的实现方式中,该处理器通过接口与存储器耦合。
在一种可能的实现方式中,该芯片系统还包括存储器,该存储器中存储有计算机程序或计算机指令。
本申请实施例的第九方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序在由计算机执行时,使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十方面提供了一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时,使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例中,在获取目标图像后,可通过图像分类模型对目标图像进行处理,得到分类结果,该分类结果用于在多个类别中确定目标图像所属的类别。前述过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
附图说明
图1为长尾分布的一个示意图;
图2为人工智能主体框架的一种结构示意图;
图3a为本申请实施例提供的图像处理系统的一个结构示意图;
图3b为本申请实施例提供的图像处理系统的另一结构示意图;
图3c为本申请实施例提供的图像处理的相关设备的一个示意图;
图4为本申请实施例提供的系统100架构的一个示意图;
图5为本申请实施例提供的图像分类方法的一个流程示意图;
图6为本申请实施例提供的图像分类模型的一个结构示意图;
图7为本申请实施例提供的拉普拉斯混合分布的一个示意图;
图8a为本申请实施例提供的控制效果的一个示意图;
图8b为本申请实施例提供的控制效果的另一示意图;
图8c为本申请实施例提供的控制效果的另一示意图;
图8d为本申请实施例提供的控制效果的另一示意图;
图9为本申请实施例提供的模型训练方法的一个流程示意图;
图10为本申请实施例提供的图像分类装置的一个结构示意图;
图11为本申请实施例提供的模型训练装置的一个结构示意图;
图12为本申请实施例提供的执行设备的一个结构示意图;
图13为本申请实施例提供的训练设备的一个结构示意图;
图14为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种图像分类方法及其相关设备,可准确判断目标图像的特征落于哪一个类别对应的拉普拉斯分布,从而准确得到目标图像的分类结果。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”并他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
卷积神经网络因其优良的表现,被广泛应用于图像分类中,但为了能实际应用到计算资源受限的设备上,往往需要对卷积神经网络做适配以满足使用要求。例如,可将卷积神经网络中的乘法算子替换为加法算子,以此消除在整体计算中的乘法部分,只保留加法部分。因此,可得到一个加法神经网络,可降低功耗,有利于硬件的设计与实现。
在进行图像分类时,加法神经网络在提取图像的特征后,可基于图像的特征进行分类处理,以得到图像的分类结果。然而,加法神经网络中的特征符合长尾分布,导致不同类别的特征之间存在难以分离的重叠区域,影响图像类别的判断。如图1所示(图1为长尾分布的一个示意图),类别1的特征可视为一个长尾分布,类别2的特征也可视为一个长尾分布。类别1的特征的长尾部分和类别2的特征的长尾部分重叠在一起,形成一个重叠区域(即图1中方框中的部分)。若某个图像的特征位于这个重叠区域中,加法神经网络则无法确定该图像的特征落于类别1还是类别2中,故无法准确得到该图像的分类结果。
为了解决上述问题,本申请实施例提供了一种图像分类方法,该方法可结合人工智能(artificial intelligence,AI)技术实现。AI技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能的技术学科,AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说,人工智能技术是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。利用人工智能进行图像处理是人工智能常见的一个应用方式。
首先对人工智能系统总体工作流程进行描述,请参见图2,图2为人工智能主体框架的一种结构示意图,下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中,“智能信息链”反映从数据的获取到处理的一列过程。举例来说,可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中,数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程,反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持,实现与外部世界的沟通,并通过基础平台实现支撑。通过传感器与外部沟通;计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供;基础平台包括分布式计算框架及网络等相关的平台保障和支持,可以包括云存储和计算、互联互通网络等。举例来说,传感器和外部沟通获取数据,这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本,还涉及到传统设备的物联网数据,包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练,机器学习,深度学习,搜索,推理,决策等方式。
其中,机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的信息进行机器思维和求解问题的过程,典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程,通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后,进一步基于数据处理的结果可以形成一些通用的能力,比如可以是算法或者一个通用系统,例如,翻译,文本的分析,计算机视觉的处理,语音识别,图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用,是对人工智能整体解决方案的封装,将智能信息决策产品化、实现落地应用,其应用领域主要包括:智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
接下来介绍几种本申请的应用场景。
图3a为本申请实施例提供的图像处理系统的一个结构示意图,该图像处理系统包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为图像处理的发起端,作为图像处理请求的发起方,通常由用户通过用户设备发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的图像处理请求,再通过存储数据的存储器以及数据处理的处理器环节进行机器学习,深度学习,搜索,推理,决策等方式的图像处理。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图3a所示的图像处理系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的一张图像,然后向数据处理设备发起请求,使得数据处理设备针对用户设备得到的该图像执行图像处理应用(例如,图像分类等等),从而得到针对该图像的对应的处理结果。示例性的,用户设备可以获取用户输入的一张图像,然后向数据处理设备发起图像物体检测请求,使得数据处理设备对该图像进行分类,从而得到图像所属的类别,即图像呈现的物体所属的类别。
在图3a中,数据处理设备可以执行本申请实施例的图像处理方法。
图3b为本申请实施例提供的图像处理系统的另一结构示意图,在图3b中,用户设备直接作为数据处理设备,该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图3a相似,可参考上面的描述,在此不再赘述。
在图3b所示的图像处理系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户在用户设备中所选择的一张图像,然后再由用户设备自身针对该图像执行图像处理应用(例如图像分类等),从而得到针对该图像的对应的处理结果。
在图3b中,用户设备自身就可以执行本申请实施例的图像处理方法。
图3c为本申请实施例提供的图像处理的相关设备的一个示意图。
上述图3a和图3b中的用户设备具体可以是图3c中的本地设备301或者本地设备302,图3a中的数据处理设备具体可以是图3c中的执行设备210,其中,数据存储系统250可以存储执行设备210的待处理数据,数据存储系统250可以集成在执行设备210上,也可以设置在云上或其它网络服务器上。
图3a和图3b中的处理器可以通过神经网络模型或者其它模型(例如,基于支持向量机的模型)进行数据训练/机器学习/深度学习,并利用数据最终训练或者学习得到的模型针对图像执行图像处理应用,从而得到相应的处理结果。
图4为本申请实施例提供的系统100架构的一个示意图,在图4中,执行设备110配置输入/输出(input/output,I/O)接口112,用于与外部设备进行数据交互,用户可以通过客户设备140向I/O接口112输入数据,所述输入数据在本申请实施例中可以包括:各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理,或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中,执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理,也可以将相应处理得到的数据、指令等存入数据存储系统150中。
最后,I/O接口112将处理结果返回给客户设备140,从而提供给用户。
值得说明的是,训练设备120可以针对不同的目标或称不同的任务,基于不同的训练数据生成相应的目标模型/规则,该相应的目标模型/规则即可以用于实现上述目标或完成上述任务,从而为用户提供所需的结果。其中,训练数据可以存储在数据库130中,且来自于数据采集设备160采集的训练样本。
在图4中所示情况下,用户可以手动给定输入数据,该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下,客户设备140可以自动地向I/O接口112发送输入数据,如果要求客户设备140自动发送输入数据需要获得用户的授权,则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果,具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端,采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据,并存入数据库130。当然,也可以不经过客户设备140进行采集,而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果,作为新的样本数据存入数据库130。
值得注意的是,图4仅是本申请实施例提供的一种系统架构的示意图,图中所示设备、器件、模块等之间的位置关系不构成任何限制,例如,在图4中,数据存储系统150相对执行设备110是外部存储器,在其它情况下,也可以将数据存储系统150置于执行设备110中。如图4所示,可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片,该芯片包括神经网络处理器NPU。该芯片可以被设置在如图4所示的执行设备110中,用以完成计算模块111的计算工作。该芯片也可以被设置在如图4所示的训练设备120中,用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU,NPU作为协处理器挂载到主中央处理器(centralprocessing unit,CPU)(host CPU)上,由主CPU分配任务。NPU的核心部分为运算电路,控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。例如,向量计算单元可以用于神经网络中非卷积/非FC层的网络计算,如池化(pooling),批归一化(batch normalization),局部响应归一化(localresponse normalization)等。
在一些实现种,向量计算单元能将经处理的输出的向量存储到统一缓存器。例如,向量计算单元可以将非线性函数应用到运算电路的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路的激活输入,例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器,以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit,BIU),用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer),用于存储控制器使用的指令;
控制器,用于调用指存储器中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器,输入存储器,权重存储器以及取指存储器均为片上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory,DDRSDRAM)、高带宽存储器(high bandwidth memory,HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用,为了便于理解,下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的,神经单元可以是指以xs和截距1为输入的运算单元,该运算单元的输出可以为:
其中,s=1、2、……n,n为大于1的自然数,Ws为xs的权重,b为神经单元的偏置。f为神经单元的激活函数(activation functions),用于将非线性特性引入神经网络中,来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络,即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连,来提取局部接受域的特征,局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y=a(Wx+b)来描述:从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由Wx完成,4的操作由+b完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式,更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然,在第一次更新之前通常会有初始化的过程,即为神经网络中的各层预先配置参数),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整,直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss)越高表示差异越大,那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation,BP)算法在训练过程中修正初始的神经网络模型中参数的大小,使得神经网络模型的重建误差损失越来越小。具体地,前向传递输入信号直至输出会产生误差损失,通过反向传播误差损失信息来更新初始的神经网络模型中参数,从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动,旨在得到最优的神经网络模型的参数,例如权重矩阵。
下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法,涉及图像的处理,具体可以应用于数据训练、机器学习、深度学习等数据处理方法,对训练数据(如本申请中的待处理图像)进行符号化和形式化的智能信息建模、抽取、预处理、训练等,最终得到训练好的神经网络(如本申请中的图像分类模型);并且,本申请实施例提供的图像处理方法可以运用上述训练好的神经网络,将输入数据(如本申请中的目标图像)输入到所述训练好的神经网络中,得到输出数据(如本申请中目标图像的分类结果)。需要说明的是,本申请实施例提供的模型训练方法和图像处理方法是基于同一个构思产生的发明,也可以理解为一个系统中的两个部分,或一个整体流程的两个阶段:如模型训练阶段和模型应用阶段。
图5为本申请实施例提供的图像分类方法的一个流程示意图,该方法可利用图像分类模型对目标图像进行处理,从而确定目标图像的分类结果,该分类结果用于确定目标图像所属的类别。其中,图像分类模型经过处理所得到的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合。例如,目标概率混合分布可以为拉普拉斯混合分布,目标概率混合分布所包含的目标概率分布可为拉普拉斯分布等等,为了便于说明,下文均以目标概率混合分布为拉普拉斯混合分布进行示意性说明。图像分类模型的结构如图6所示(图6为本申请实施例提供的图像分类模型的一个结构示意图),图像分类模型包含第一子模型(也可以称为特征提取网络)和第二子模型(也可以称为分类器),下文将结合图5和图6,对本申请提供的图像分类方法进行具体介绍,该方法包括:
501、获取目标图像。
502、通过图像分类模型对目标图像进行处理,得到分类结果,分类结果用于在多个类别中确定目标图像所属的类别,该处理用于令目标图像的特征符合拉普拉斯混合分布,拉普拉斯混合分布包含与多个类别一一对应的多个拉普拉斯分布,每个拉普拉斯分布具有一个偏度,任意两个偏度之间存在夹角。
本实施例中,当需要确定目标图像的类别时,可先获取用于实现图像分类功能的图像分类模型,图像分类模型通常为已训练的加法神经网络。需要说明的是,图像分类模型经过处理所得到的特征符合拉普拉斯混合分布,拉普拉斯混合分布可视为由多个拉普拉斯分布构成的组合,每一个拉普拉斯分布可视为一个类别的特征(集合),为了便于说明,下文将某个拉普拉斯分布称为某个类别对应的拉普拉斯分布。由于拉普拉斯分布同样也具备长尾分布的特点,即拉普拉斯分布同样也存在长尾部分,可通过设置拉普拉斯分布的参数,从而使得不同类别对应的拉普拉斯分布的长尾交错开来。
对于任意一个类别对应的拉普拉斯分布而言,该类别对应的拉普拉斯分布可具备多个参数,例如,该类别对应的拉普拉斯分布可包含该类别对应的拉普拉斯分布的偏度(也可简称为该类别对应的偏度)、该类别对应的拉普拉斯分布的聚类中心(也可简称为该类别对应的聚类中心)以及该类别对应的拉普拉斯分布的协方差(也可简称为该类别对应的协方差)等等。值得注意的是,该类别对应的偏度通常为一个二维向量,决定着该类别对应的拉普拉斯分布的长尾在二维空间上的延伸方向。那么,在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角(例如,任意两个偏度之间的余弦相似度不等于1等等),可令不同偏度之间在角度空间上均存在差异,使得不同类别对应的拉普拉斯分布的长尾,在二维空间上的延伸方向不同。如此一来,在拉普拉斯混合分布中,任意两个类别对应的拉普拉斯分布之间均不会存在重叠区域。例如,如图7所示(图7为本申请实施例提供的拉普拉斯混合分布的一个示意图),类别3对应的拉普拉斯分布的长尾向上延伸,类别2对应的拉普拉斯分布的长尾向右下延伸,类别1对应的拉普拉斯分布的长尾向左下延伸,故这三个拉普拉斯分布的长尾不存在重叠区域。
基于此,可将目标图像输入至图像分类模型中,以通过图像分类模型对目标图像进行处理,得到目标图像的分类结果,其中,图像分类模型所执行的处理用于令目标图像的特征符合上述的拉普拉斯混合分布,故图像分类模型可精准确定目标图像的特征落入哪一个类别对应的拉普拉斯分布中。具体地,图像分类模型可通过以下方式实现前述的处理:
设存在N个类别(N≥2),那么,拉普拉斯混合分布则相应包含N个拉普拉斯分布,N个类别与N个拉普拉斯分布一一对应。在得到目标图像后,图像分类模型可执行以下处理:
(1)通过第一子模型对目标图像进行特征提取,得到目标图像的特征x。
(2)通过第二子模型基于第i个类别对应的拉普拉斯分布(即第i个拉普拉斯分布)的概率密度函数对x进行计算,得到在第i个类别对应的拉普拉斯分布中,目标图像的特征落于该分布中的概率,其中,第i个类别对应的拉普拉斯分布的概率密度函数如以下公式所示:
上式中,μi、σi、γi分别为第i个类别对应的拉普拉斯分布的聚类中心、协方差和偏度(即第i个类别对应的聚类中心、协方差和偏度),d为x的维度,i=1,…,N。值得注意的是,对于第i个类别对应的拉普拉斯分布而言,该分布的聚类中心、协方差和偏度等参数可作为第二子模型的模型参数,这些参数均是经过优化(训练)得到的。对于除第i个类别之外的其余类别对应的拉普拉斯分布,也是如此,此处不再赘述。
可见,通过第二子模型基于公式(2),可计算出fSL(x;μ1,σ1,γ1)、fSL(x;μ2,σ2,γ2)、...、fSL(x;μN,σN,γN),并根据贝叶斯公式,计算目标图像属于第i个类别的概率:
可见,基于公式(3),可计算出目标图像属于第1个类别的概率p(1丨x)、目标图像属于第2个类别的概率p(2丨x)、...、目标图像属于第N个类别的概率p(N丨x)。这些概率则组成了目标图像的分类结果,可用于在N个类别中,确定目标图像所属的类别(例如,将概率最大的类别确定为目标图像所属的类别等等)。
此外,还可将申请实施例提供的图像分类模型和相关技术的图像分类模型进行性能上的比较,比较结果如表1和表2所示:
表1
表2
基于表1可知,本申请实施例提供的图像分类模型可在数据集一和数据集二上,获得和相关技术一持平的性能,且优于相关技术二和相关技术三。基于表2可知,本申请实施例提供的图像分类模型可在数据集三和数据集四上,获得的性能优于相关技术二和相关技术三。
本申请实施例对于加法神经网络的特征分布有明显的约束控制效果,如图8a至图8d所示(图8a为本申请实施例提供的控制效果的一个示意图、图8b为本申请实施例提供的控制效果的另一示意图、图8c为本申请实施例提供的控制效果的另一示意图、图8d为本申请实施例提供的控制效果的另一示意图),其中图8a,图8b为假设加法神经网络为高斯混合分布的情况下的特征分布情况,图8c为不加角度约束情况下假设为拉普拉斯分布的情况,最后图8d为本申请实施例的特征分布情况。可以看到本申请实施例对应的每个类别的特征呈现明显的角度偏转(即不同类别对应的拉普拉斯分布的长尾具有不同的延伸方向),且很好地利用了整体的角度空间。
进一步地,还可将本申请实施例与其他相关技术进行比较,比较结果如表2所示:
表3
相关技术四 | 相关技术五 | 相关技术六 | 相关技术七 | 本申请实施例 | |
数据集一 | 91.83% | 92.00% | 91.95% | 91.99% | 92.29% |
数据集二 | 67.53% | 67.56% | 67.73% | 67.51% | 68.31% |
基于表3可知,在对加法神经网络的性能提升上,本申请实施例能获得最大的增幅。
本申请实施例中,在获取目标图像后,可通过图像分类模型对目标图像进行处理,得到分类结果,该分类结果用于在多个类别中确定目标图像所属的类别。前述过程中,图像分裂模型所执行的处理用于令目标图像的特征符合拉普拉斯混合分布,拉普拉斯混合分布可视为由多个拉普拉斯分布构成的组合,对于任意一个拉普拉斯分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的拉普拉斯分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的拉普拉斯分布的长尾,在二维空间上的延伸方向不同。如此一来,在拉普拉斯混合分布中,任意两个类别对应的拉普拉斯分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的拉普拉斯分布,从而准确得到目标图像的分类结果。
以上是对本申请实施例提供的图像分类方法所进行的详细说明,以下将对本申请实施例提供的模型训练方法进行介绍,图9为本申请实施例提供的模型训练方法的一个流程示意图,如图9所示,该方法包括:
901、获取待处理图像。
本实施例中,当需要对待训练模型(通常为一个待训练的加法神经网络)进行训练时,可先获取一批训练数据,包含用于训练的待处理图像。可以理解的是,待训练图像的真实分类结果是已知的(即待训练图像的真实类别是已知的),且待训练模型中的特征满足待训练混合分布,待训练混合分布包含与多个类别一一对应的多个待训练分布,每个待训练分布具一个偏度。对待训练模型的训练目的为:令待训练混合分布与预置的目标概率混合分布相近,且在与多个类别一一对应的多个偏度中,任意两个偏度之间的夹角与预置的夹角相近。
值得注意的是,预置的目标概率混合分布可以为预置的拉普拉斯混合分布等等,为了便于说明,下文均以预置的目标概率混合分布为预置的拉普拉斯混合分布进行示意性说明。
902、通过待训练模型对待处理图像进行处理,得到预测分类结果,预测分类结果用于在多个类别中确定待处理图像所属的类别,该处理用于令目标图像的特征符合待训练混合分布,待训练混合分布包含与多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度。
在得到待处理图像后,可通过待训练模型对待处理图像进行处理,得到预测分类结果,预测分类结果用于在多个类别中确定待处理图像所属的预测类别。具体地,待训练模型可通过以下方式实现对待处理图像的处理:
在一种可能的实现方式中,设多个类别和多个待训练分布的数量均为N,待训练模型包含第一子模型和第二子模型,通过图像分类模型对待处理图像进行处理,得到分类结果包括:通过第一子模型对待处理图像进行特征提取,得到待处理图像的特征;通过第二子模型基于第i个待训练分布的概率密度函数对待处理图像的特征进行计算,得到待处理图像属于第i个类别的概率,第i个待训练分布的概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含待处理图像属于N个类别的概率。
在一种可能的实现方式中,第i个待训练分布的概率密度函数还包含第i个类别对应的聚类中心和协方差。
可以理解的是,对于第i个类别对应的待训练分布(即第i个待训练分布)而言,第i个类别对应的偏度、第i个类别对应的聚类中心以及第i个类别对应的协方差等参数均作为第二子模型中待训练的模型参数。同样地,对于除第i个类别之外的其余类别对应的的待训练分布而言,其余类别对应的偏度、其余类别对应的聚类中心以及其余类别对应的协方差等参数也作为第二子模型中待训练的模型参数。
关于步骤902的说明,可参考图5所示实施例中步骤502的相关说明部分,此处不再赘述。
903、基于待处理图像的真实分类结果、预测分类结果、待训练模型的参数获取目标损失,目标损失用于指示真实分类结果与预测分类结果之间的差异,待训练混合分布与预置的拉普拉斯混合分布之间的差异,以及在与多个类别一一对应的多个偏度中,任意两个偏度之间的夹角与预置的夹角之间的差异。
得到待处理图像的预测分类结果后,可待处理图像的真实分类结果、预测分类结果、待训练模型的参数获取目标损失,目标损失用于指示真实分类结果与预测分类结果之间的差异,待训练混合分布与预置的拉普拉斯混合分布之间的差异,以及多个偏度中任意两个偏度之间的夹角与预置的夹角之间的差异。
具体地,目标损失可基于三项损失确定,分别为第一损失、第二损失和第三损失,第一损失用于指示待处理图像的真实分类结果与待处理图像的预测分类结果之间的差异,第一损失可通过以下公式获取:
上式中,K为该批训练数据中待处理图像的总数量;μi、σi、γi分别为第i个类别对应的待训练分布的聚类中心、协方差和偏度;xp为该批训练数据中第p个待处理图像的特征;为在第p个待处理图像的预测分类结果中,第p个待处理图像属于第i个类别的概率。需要说明的是,在公式(4)中,此处的第i个类别指的是第p个待处理图像的真实类别。
第二损失用于指示待训练混合分布与预置的拉普拉斯混合分布之间的差异,该损失可通过最大似然值进行呈现,即以下公式:
上式中,p(i)为取到第i个类别的概率。
第三损失用于指示在与多个类别一一对应的多个偏度中,任意两个偏度之间的夹角与预置的夹角之间的差异,第三损失本质上为角度的约束,即在角度空间中约束各个类别对应的分布的偏度,将每两个偏度之间的夹角(也可以称为偏度角度)安排在不同区域,以沾满整个角度空间获取最大的角度离散。那么,第三损失可通过以下公式获取:
上式中,Dγ(m,n)为第m个类别对应的待训练分布的偏度与第n个类别对应的待训练分布的偏度之间的夹角;为预置的夹角,该夹角通常为余弦相似度,且该余弦相似度不等于1,其取值范围为(1,-1];Dμ(m,n)为第m个类别对应的待训练分布与第n个类别对应的待训练分布之间的相对距离;max(Dμ(m,1:N))为第m个类别对应的待训练分布与其余所有类别对应的待训练分布之间的相对距离中的最大值。
最后,目标损失可基于第一损失、第二损失和第三损失确定:
上式中,λ和β为预置的权重,其大小可根据实际需求进行设置,此处不做限制。
904、基于目标损失更新待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
得到目标损失后,可基于目标损失对待训练模型的模型参数进行更新,并利用下一批训练样本对更新参数后的待训练模型进行训练(即重新执行步骤902至步骤904),直至满足模型训练条件(例如,目标损失达到收敛等等),可得到图像分类模型。
本申请实施例训练得到的图像分类模型,具备利用目标图像进行分类的能力。在图像分类的过程中,图像分裂模型所执行的处理用于令目标图像的特征符合拉普拉斯混合分布,拉普拉斯混合分布可视为由多个拉普拉斯分布构成的组合,对于任意一个拉普拉斯分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的拉普拉斯分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的拉普拉斯分布的长尾,在二维空间上的延伸方向不同。如此一来,在拉普拉斯混合分布中,任意两个类别对应的拉普拉斯分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的拉普拉斯分布,从而准确得到目标图像的分类结果。
以上是对本申请实施例提供的模型训练所进行的详细说明,以下将对本申请实施例提供的图像分类装置和模型训练装置分别进行介绍。图10为本申请实施例提供的图像分类装置的一个结构示意图。如图10所示,该装置包括:
获取模块1001,用于获取目标图像;
处理模块1002,用于通过图像分类模型对目标图像进行处理,得到分类结果,分类结果用于在多个类别中确定目标图像所属的类别,该处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布包含与多个类别一一对应的多个目标概率分布,每个目标概率分布具有一个偏度,任意两个偏度之间存在夹角。
本申请实施例中,在获取目标图像后,可通过图像分类模型对目标图像进行处理,得到分类结果,该分类结果用于在多个类别中确定目标图像所属的类别。前述过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个目标的数量均为N,N为大于1的正整数,目标概率混合分布包含N个目标概率分布,N个类别与N个目标概率分布一一对应,图像分类模型包含第一子模型和第二子模型,处理模块1002,用于:通过第一子模型对目标图像进行特征提取,得到目标图像的特征;通过第二子模型基于第i个目标概率分布的概率密度函数对目标图像的特征进行计算,得到目标图像属于第i个类别的概率,第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含目标图像属于N个类别的概率。
在一种可能的实现方式中,图像分类模型为加法神经网络。
在一种可能的实现方式中,第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,任意两个偏度之间存在夹角包括:任意两个偏度之间的余弦相似度不等于1。
在一种可能的实现方式中,目标概率混合分布为拉普拉斯混合分布,目标概率分布为拉普拉斯分布。
图11为本申请实施例提供的模型训练装置的一个结构示意图。如图11所示,该装置包括:
第一获取模块1101,用于获取待处理图像;
处理模块1102,用于通过待训练模型对待处理图像进行处理,得到预测分类结果,预测分类结果用于在多个类别中确定待处理图像所属的类别,该处理用于令目标图像的特征符合待训练混合分布,待训练混合分布包含与多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度;
第二获取模块1103,用于基于待处理图像的真实分类结果、预测分类结果、待训练模型的参数获取目标损失,目标损失用于指示真实分类结果与预测分类结果之间的差异,待训练混合分布与预置的目标概率混合分布之间的差异,以及多个偏度中任意两个偏度之间的夹角与预置的夹角之间的差异;
更新模块1104,用于基于目标损失更新待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
本申请实施例训练得到的图像分类模型,具备利用目标图像进行分类的能力。在图像分类的过程中,图像分裂模型所执行的处理用于令目标图像的特征符合目标概率混合分布,目标概率混合分布可视为由多个目标概率分布构成的组合,对于任意一个目标概率分布,该分布可视为某一个类别的特征(集合),且该分布具有该类别对应的偏度,该类别对应的偏度决定着该类别对应的目标概率分布的长尾在二维空间上的延伸方向。在与多个类别一一对应的多个偏度中,通过令任意两个偏度之间存在夹角,可令不同偏度均存在差异,使得不同类别对应的目标概率分布的长尾,在二维空间上的延伸方向不同。如此一来,在目标概率混合分布中,任意两个类别对应的目标概率分布之间均不会存在重叠区域。因此,图像分类模型可准确判断目标图像的特征落于哪一个类别对应的目标概率分布,从而准确得到目标图像的分类结果。
在一种可能的实现方式中,多个类别和多个待训练分布的数量均为N,N为大于1的正整数,待训练混合分布包含N个待训练分布,N个类别与N个待训练分布一一对应,处理模块1102,用于:通过第一子模型对待处理图像进行特征提取,得到待处理图像的特征;通过第二子模型基于第i个待训练分布的概率密度函数对待处理图像的特征进行计算,得到待处理图像属于第i个类别的概率,第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,分类结果包含待处理图像属于N个类别的概率。
在一种可能的实现方式中,待训练模型为加法神经网络。
在一种可能的实现方式中,第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
在一种可能的实现方式中,预置的夹角包含预置的余弦相似度,预置的余弦相似度不等于1。
在一种可能的实现方式中,预置的目标概率混合分布为预置的拉普拉斯混合分布。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还涉及一种执行设备,图12为本申请实施例提供的执行设备的一个结构示意图。如图12所示,执行设备1200具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等,此处不做限定。其中,执行设备1200上可部署有图10对应实施例中所描述的图像分类装置,用于实现图5对应实施例中图像分类的功能。具体的,执行设备1200包括:接收器1201、发射器1202、处理器1203和存储器1204(其中执行设备1200中的处理器1203的数量可以一个或多个,图12中以一个处理器为例),其中,处理器1203可以包括应用处理器12031和通信处理器12032。在本申请的一些实施例中,接收器1201、发射器1202、处理器1203和存储器1204可通过总线或其它方式连接。
存储器1204可以包括只读存储器和随机存取存储器,并向处理器1203提供指令和数据。存储器1204的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器1204存储有处理器和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。
处理器1203控制执行设备的操作。具体的应用中,执行设备的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1203中,或者由处理器1203实现。处理器1203可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1203中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1203可以是通用处理器、数字信号处理器(digital signal processing,DSP)、微处理器或微控制器,还可进一步包括专用集成电路(application specific integratedcircuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1203可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1204,处理器1203读取存储器1204中的信息,结合其硬件完成上述方法的步骤。
接收器1201可用于接收输入的数字或字符信息,以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1202可用于通过第一接口输出数字或字符信息;发射器1202还可用于通过第一接口向磁盘组发送指令,以修改磁盘组中的数据;发射器1202还可以包括显示屏等显示设备。
本申请实施例中,在一种情况下,处理器1203,用于通过图5对应实施例中的图像分类模型,对图像进行图像物体检测。
本申请实施例还涉及一种训练设备,图13为本申请实施例提供的训练设备的一个结构示意图。如图13所示,训练设备1300由一个或多个服务器实现,训练设备1300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)1314(例如,一个或一个以上处理器)和存储器1332,一个或一个以上存储应用程序1342或数据1344的存储介质1330(例如一个或一个以上海量存储设备)。其中,存储器1332和存储介质1330可以是短暂存储或持久存储。存储在存储介质1330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器1314可以设置为与存储介质1330通信,在训练设备1300上执行存储介质1330中的一系列指令操作。
训练设备1300还可以包括一个或一个以上电源1326,一个或一个以上有线或无线网络接口1350,一个或一个以上输入输出接口1358;或,一个或一个以上操作系统1341,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,训练设备可以执行图9对应实施例中的模型训练方法。
本申请实施例还涉及一种计算机存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图14,图14为本申请实施例提供的芯片的一个结构示意图,所述芯片可以表现为神经网络处理器NPU 1400,NPU 1400作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路1403,通过控制器1404控制运算电路1403提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1403内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路1403是二维脉动阵列。运算电路1403还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1403是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1402中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1401中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1408中。
统一存储器1406用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller,DMAC)1405,DMAC被搬运到权重存储器1402中。输入数据也通过DMAC被搬运到统一存储器1406中。
BIU为Bus Interface Unit即,总线接口单元1413,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)1409的交互。
总线接口单元1413(Bus Interface Unit,简称BIU),用于取指存储器1409从外部存储器获取指令,还用于存储单元访问控制器1405从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1406或将权重数据搬运到权重存储器1402中或将输入数据数据搬运到输入存储器1401中。
向量计算单元1407包括多个运算处理单元,在需要的情况下,对运算电路1403的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对预测标签平面进行上采样等。
在一些实现中,向量计算单元1407能将经处理的输出的向量存储到统一存储器1406。例如,向量计算单元1407可以将线性函数;或,非线性函数应用到运算电路1403的输出,例如对卷积层提取的预测标签平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1407生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1403的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1404连接的取指存储器(instruction fetch buffer)1409,用于存储控制器1404使用的指令;
统一存储器1406,输入存储器1401,权重存储器1402以及取指存储器1409均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (28)
1.一种图像分类方法,其特征在于,所述方法包括:
获取目标图像;
通过图像分类模型对所述目标图像进行处理,得到分类结果,所述分类结果用于在多个类别中确定所述目标图像所属的类别,所述处理用于令所述目标图像的特征符合目标概率混合分布,所述目标概率混合分布包含与所述多个类别一一对应的多个目标概率分布,每个目标概率分布具有一个偏度,任意两个偏度之间存在夹角。
2.根据权利要求1所述的方法,其特征在于,所述多个类别和所述多个目标的数量均为N,N为大于1的正整数,所述图像分类模型包含第一子模型和第二子模型,所述通过图像分类模型对所述目标图像进行处理,得到分类结果包括:
通过所述第一子模型对所述目标图像进行特征提取,得到所述目标图像的特征;
通过所述第二子模型基于第i个目标概率分布的概率密度函数对所述目标图像的特征进行计算,得到所述目标图像属于第i个类别的概率,所述第i个目标概率分布的概率密度函数包含第i个类别对应的偏度,i=1,…,N,所述分类结果包含所述目标图像属于N个类别的概率。
3.根据权利要求1或2所述的方法,其特征在于,所述图像分类模型为加法神经网络。
4.根据权利要求2所述的方法,其特征在于,所述第i个目标概率分布的概率密度函数还包含第i个类别对应的聚类中心和协方差。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述任意两个偏度之间存在夹角包括:任意两个偏度之间的余弦相似度不等于1。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述目标概率混合分布为拉普拉斯混合分布,所述目标概率分布为拉普拉斯分布。
7.一种模型训练方法,其特征在于,所述方法包括:
获取待处理图像;
通过待训练模型对所述待处理图像进行处理,得到预测分类结果,所述预测分类结果用于在多个类别中确定所述待处理图像所属的类别,所述处理用于令所述待处理图像的特征符合待训练混合分布,所述待训练混合分布包含与所述多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度;
基于所述待处理图像的真实分类结果、所述预测分类结果、所述待训练模型的参数获取目标损失,所述目标损失用于指示所述真实分类结果与所述预测分类结果之间的差异,所述待训练混合分布与预置的目标概率混合分布之间的差异,以及任意两个偏度之间的夹角与预置的夹角之间的差异;
基于所述目标损失更新所述待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
8.根据权利要求7所述的方法,其特征在于,所述多个类别和所述多个待训练分布的数量均为N,N为大于1的正整数,所述待训练模型包含第一子模型和第二子模型,所述通过图像分类模型对所述待处理图像进行处理,得到分类结果包括:
通过所述第一子模型对所述待处理图像进行特征提取,得到所述待处理图像的特征;
通过所述第二子模型基于第i个待训练分布的概率密度函数对所述待处理图像的特征进行计算,得到所述待处理图像属于第i个类别的概率,所述第i个待训练分布的概率密度函数包含第i个类别对应的偏度,i=1,…,N,所述分类结果包含所述待处理图像属于N个类别的概率。
9.根据权利要求7或8所述的方法,其特征在于,所述待训练模型为加法神经网络。
10.根据权利要求8所述的方法,其特征在于,所述第i个待训练分布的概率密度函数还包含第i个类别对应的聚类中心和协方差。
11.根据权利要求7至10任意一项所述的方法,其特征在于,所述预置的夹角包含预置的余弦相似度,所述预置的余弦相似度不等于1。
12.根据权利要求7至11任意一项所述的方法,其特征在于,所述预置的目标概率混合分布为预置的拉普拉斯混合分布。
13.一种图像分类装置,其特征在于,所述装置包括:
获取模块,用于获取目标图像;
处理模块,用于通过图像分类模型对所述目标图像进行处理,得到分类结果,所述分类结果用于在多个类别中确定所述目标图像所属的类别,所述处理用于令所述目标图像的特征符合目标概率混合分布,所述目标概率混合分布包含与所述多个类别一一对应的多个目标概率分布,每个目标概率分布具有一个偏度,任意两个偏度之间存在夹角。
14.根据权利要求13所述的装置,其特征在于,所述多个类别和所述多个目标的数量均为N,N为大于1的正整数,所述目标概率混合分布包含N个目标概率分布,N个类别与所述N个目标概率分布一一对应,所述图像分类模型包含第一子模型和第二子模型,所述处理模块,用于:
通过所述第一子模型对所述目标图像进行特征提取,得到所述目标图像的特征;
通过所述第二子模型基于第i个目标概率分布的概率密度函数对所述目标图像的特征进行计算,得到所述目标图像属于第i个类别的概率,所述第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,所述分类结果包含所述目标图像属于N个类别的概率。
15.根据权利要求13或14所述的装置,其特征在于,所述图像分类模型为加法神经网络。
16.根据权利要求14所述的装置,其特征在于,所述第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
17.根据权利要求13至16任意一项所述的装置,其特征在于,所述任意两个偏度之间存在夹角包括:任意两个偏度之间的余弦相似度不等于1。
18.根据权利要求13至17任意一项所述的装置,其特征在于,所述目标概率混合分布为拉普拉斯混合分布,所述目标概率分布为拉普拉斯分布。
19.一种模型训练装置,其特征在于,所述装置包括:
第一获取模块,用于获取待处理图像;
处理模块,用于通过待训练模型对所述待处理图像进行处理,得到预测分类结果,所述预测分类结果用于在多个类别中确定所述待处理图像所属的类别,所述处理用于令所述目标图像的特征符合待训练混合分布,所述待训练混合分布包含与所述多个类别一一对应的多个待训练分布,每个待训练分布具有一个偏度;
第二获取模块,用于基于所述待处理图像的真实分类结果、所述预测分类结果、所述待训练模型的参数获取目标损失,所述目标损失用于指示所述真实分类结果与所述预测分类结果之间的差异,所述待训练混合分布与预置的目标概率混合分布之间的差异,以及所述多个偏度中任意两个偏度之间的夹角与预置的夹角之间的差异;
更新模块,用于基于所述目标损失更新所述待训练模型的参数,直至满足模型训练条件,得到图像分类模型。
20.根据权利要求19所述的装置,其特征在于,所述多个类别和所述多个待训练分布的数量均为N,N为大于1的正整数,所述待训练混合分布包含N个待训练分布,N个类别与所述N个待训练分布一一对应,所述处理模块,用于:
通过所述第一子模型对所述待处理图像进行特征提取,得到所述待处理图像的特征;
通过所述第二子模型基于第i个待训练分布的概率密度函数对所述待处理图像的特征进行计算,得到所述待处理图像属于第i个类别的概率,所述第i个概率密度函数包含第i个类别对应的偏度,i=1,…,N,所述分类结果包含所述待处理图像属于N个类别的概率。
21.根据权利要求19或20所述的装置,其特征在于,所述待训练模型为加法神经网络。
22.根据权利要求20所述的装置,其特征在于,所述第i个概率密度函数还包含第i个类别对应的聚类中心和协方差。
23.根据权利要求19至22任意一项所述的装置,其特征在于,所述预置的夹角包含预置的余弦相似度,所述预置的余弦相似度不等于1。
24.根据权利要求19至23任意一项所述的装置,其特征在于,所述预置的目标概率混合分布为预置的拉普拉斯混合分布。
25.一种图像分类装置,其特征在于,所述装置包括存储器和处理器;所述存储器存储有代码,所述处理器被配置为执行所述代码,当所述代码被执行时,所述图像分类装置执行如权利要求1至12任一所述的方法。
26.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或多个指令,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至12任一所述的方法。
27.一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施权利要求1至12任意一项所述的方法。
28.一种芯片系统,其特征在于,所述芯片系统包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如权利要求1至12任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294416.5A CN114169393A (zh) | 2021-11-03 | 2021-11-03 | 一种图像分类方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294416.5A CN114169393A (zh) | 2021-11-03 | 2021-11-03 | 一种图像分类方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169393A true CN114169393A (zh) | 2022-03-11 |
Family
ID=80477886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111294416.5A Pending CN114169393A (zh) | 2021-11-03 | 2021-11-03 | 一种图像分类方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169393A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863193A (zh) * | 2022-07-07 | 2022-08-05 | 之江实验室 | 基于混合批归一化的长尾学习图像分类、训练方法及装置 |
CN115223104A (zh) * | 2022-09-14 | 2022-10-21 | 深圳市睿拓新科技有限公司 | 一种基于场景识别的违章作业行为检测方法及系统 |
-
2021
- 2021-11-03 CN CN202111294416.5A patent/CN114169393A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863193A (zh) * | 2022-07-07 | 2022-08-05 | 之江实验室 | 基于混合批归一化的长尾学习图像分类、训练方法及装置 |
CN115223104A (zh) * | 2022-09-14 | 2022-10-21 | 深圳市睿拓新科技有限公司 | 一种基于场景识别的违章作业行为检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022068623A1 (zh) | 一种模型训练方法及相关设备 | |
CN112070207A (zh) | 一种模型训练方法及装置 | |
EP4283520A1 (en) | Pruning processing method for convolutional neural network, data processing method and devices | |
WO2023274052A1 (zh) | 一种图像分类方法及其相关设备 | |
CN113240079A (zh) | 一种模型训练方法及装置 | |
CN113065633A (zh) | 一种模型训练方法及其相关联设备 | |
WO2023246819A1 (zh) | 一种模型训练方法及相关设备 | |
WO2023083030A1 (zh) | 一种姿态识别方法及其相关设备 | |
CN114169393A (zh) | 一种图像分类方法及其相关设备 | |
CN115238909A (zh) | 一种基于联邦学习的数据价值评估方法及其相关设备 | |
WO2023197857A1 (zh) | 一种模型切分方法及其相关设备 | |
WO2023045949A1 (zh) | 一种模型训练方法及其相关设备 | |
EP4375872A1 (en) | Image classification method and related device | |
CN115292583A (zh) | 一种项目推荐方法及其相关设备 | |
CN114707070A (zh) | 一种用户行为预测方法及其相关设备 | |
CN113065638A (zh) | 一种神经网络压缩方法及其相关设备 | |
CN114998643A (zh) | 类别描述的特征信息的获取方法、图像的处理方法及设备 | |
CN114841361A (zh) | 一种模型训练方法及其相关设备 | |
CN114254724A (zh) | 一种数据处理方法、神经网络的训练方法以及相关设备 | |
WO2023051236A1 (zh) | 一种偏微分方程求解方法及其相关设备 | |
WO2024061123A1 (zh) | 一种图像处理方法及其相关设备 | |
WO2023236900A1 (zh) | 一种项目推荐方法及其相关设备 | |
CN116681596A (zh) | 一种物体模型旋转方法及其相关设备 | |
CN115878946A (zh) | 一种偏微分方程求解方法及其相关设备 | |
CN113989188A (zh) | 一种物体检测方法及其相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |