CN115457329B - 图像分类模型的训练方法、图像分类方法和装置 - Google Patents
图像分类模型的训练方法、图像分类方法和装置 Download PDFInfo
- Publication number
- CN115457329B CN115457329B CN202211165540.6A CN202211165540A CN115457329B CN 115457329 B CN115457329 B CN 115457329B CN 202211165540 A CN202211165540 A CN 202211165540A CN 115457329 B CN115457329 B CN 115457329B
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- classification model
- training
- feature extraction
- 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.)
- Active
Links
- 238000013145 classification model Methods 0.000 title claims abstract description 252
- 238000012549 training Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000000605 extraction Methods 0.000 claims abstract description 132
- 238000013527 convolutional neural network Methods 0.000 claims description 53
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000002372 labelling Methods 0.000 claims description 21
- 238000004821 distillation Methods 0.000 claims description 8
- 230000000873 masking effect Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 23
- 238000013140 knowledge distillation Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 12
- 230000009466 transformation Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像分类模型的训练方法、图像分类方法和装置，涉及人工智能技术领域，具体涉及图像处理、深度学习等技术领域。具体实现方案为：利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像，并将样本图像的掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到与第一特征图像尺寸相同的第二特征图像，并根据第一特征图像和第二特征图像对第二图像分类模型的第二特征提取网络进行训练。由此，通过借助第一图像分类模型实现第二图像分类模型地自监督训练，在降低了第二图像分类模型的训练成本的同时，可使得所训练出的第二图像分类模型达到良好的分类效果。
Description
技术领域
本公开涉及计算机技术领域，具体涉及人工智能技术领域，具体涉及图像处理、深度学习等技术领域，尤其涉及图像分类模型的训练方法、图像分类方法和装置。
背景技术
相关技术中，在一些场景中通常需要对图像进行分类，如何得到一个图像分类模型，对于图像分类来说是十分重要的。
发明内容
本公开提供了一种图像分类模型的训练方法、图像分类方法和装置。
根据本公开的一方面，提供了一种图像分类模型的训练方法，所述方法包括：确定样本图像的掩码图像；利用第一图像分类模型中的第一特征提取网络，确定所述样本图像的第一特征图像；将所述掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，所述第一特征图像和所述第二特征图像的尺寸相同；根据所述第一特征图像和所述第二特征图像对所述第二特征提取网络进行训练。
根据本公开的另一方面，提供了一种图像分类方法，所述方法包括：获取待处理图像；将所述待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到所述待处理图像的第三特征图像，其中，所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，所述第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，所述第二特征图像是利用所述第二特征提取网络对所述样本图像的掩码图像进行特征提取得到的；利用所述第二图像分类模型中的分类网络，对所述第三特征图像进行分类，以得到所述待处理图像的类型标签信息。
根据本公开的另一方面，提供了一种图像分类模型的训练装置，包括：第一确定模块，用于确定样本图像的掩码图像；第二确定模块，用于利用第一图像分类模型中的第一特征提取网络，确定所述样本图像的第一特征图像；特征提取模块，用于将所述掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，所述第一特征图像和所述第二特征图像的尺寸相同；第一训练模块，用于根据所述第一特征图像和所述第二特征图像对所述第二特征提取网络进行训练。
根据本公开的另一方面，提供了一种图像分类模块，包括：获取模块，用于获取待处理图像；特征提取模块，用于将所述待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到所述待处理图像的第三特征图像，其中，所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，所述第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，所述第二特征图像是利用所述第二特征提取网络对所述样本图像的掩码图像进行特征提取得到的；分类模块，用于利用所述第二图像分类模型中的分类网络，对所述第三特征图像进行分类，以得到所述待处理图像的类型标签信息。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的图像分类模型的训练方法或者图像分类方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开实施例公开的图像分类模型的训练方法或者图像分类方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开的图像分类模型的训练方法或者图像分类方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是知识蒸馏训练的过程的示例图；
图4是根据本公开第三实施例的示意图；
图5是根据本公开第四实施例的示意图；
图6是根据本公开第五实施例的示意图；
图7是结合训练好的CNN模型对基于自注意力的转换transformer网络模型进行自监督训练的示例图；
图8是根据本公开第六实施例的示意图；
图9是根据本公开第七实施例的示意图；
图10是根据本公开第八实施例的示意图；
图11是根据本公开第九实施例的示意图；
图12是用来实现本公开实施例的图像分类模型的训练方法或者图像分类方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在医学场景中，如何训练得到一个图像分类模型，对于快速对医学图像进行分类是十分重要的。相关技术中，为了使得图像分类模型可准确对医学图像进行分类，通常基于大量的有类型标签的样本图像数据对初始的图像分类模型(例如，转换transformer网络)进行训练，以得到图像分类模型。然而，大量的有标签的样本图像数据难以获取，因此，训练图像分类模型的训练成本较高。
为此，本公开利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像，并将样本图像的掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到与第一特征图像尺寸相同的第二特征图像，并根据第一特征图像和第二特征图像对第二图像分类模型的第二特征提取网络进行训练。由此，通过借助第一图像分类模型实现第二图像分类模型地自监督训练，在降低了第二图像分类模型的训练成本的同时，可使得所训练出的第二图像分类模型达到良好的分类效果。
下面参考附图描述本公开实施例的图像分类模型的训练方法、图像分类方法和装置。
图1是根据本公开第一实施例的示意图，该实施例提供一种图像分类模型的训练方法。
如图1所示，该图像分类模型的训练方法可以包括：
步骤101，确定样本图像的掩码图像。
其中，需要说明的是，本实施的图像分类模型的训练方法的执行主体为图像分类模型的训练装置，该图像分类模型的训练装置可以由软件和/或硬件实现，该图像分类模型的训练装置可以为电子设备，或者，可以配置在电子设备。
其中，该电子设备可以包括但不限于终端设备、服务器等，该实施例对电子设备不作具体限定。
在一些示例性的实施方式中，在医学场景中，样本图像可以为指定身体部位的医学样本图像。
在一些示例性的实施方式中，指定身体部位可以人体或动物所对应的各身体部位中的一种。例如，指定身体部位可以人体的眼部，具体而言，本示例中的样本图像可以为眼底样本图像。
其中，掩码图像是对样本图像进行掩码处理而得到的图像。
在一些示例性的实施方式中，在不同应用场景中，确定样本图像的掩码图像的实现方式不同，示例性的实施方式如下：
作为一种示例，对样本图像进行划分，以得到样本图像的多个图像块；对多个图像块中的部分图像块进行掩码处理，以得到样本图像的掩码图像。由此，通过对样本图像的多个图像块中的部分图像块进行掩码处理，可以准确得到该样本图像的掩码图像。
具体地，可从多个图像块中随机选择出部分图像块，并对随机所选择出的部分图像块进行掩码处理，以得到样本图像的掩码图像。
作为另一种示例，可根据预先保存的样本图像和掩码图像两者之间的对应关系，获取与该样本图像对应的掩码图像。
作为另一示例，可直接对样本图像进行随机掩码，以得到样本图像的掩码图像。
步骤102，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像。
其中，本示例中第一特征图像的尺寸小于样本图像的尺寸，例如，第一特征图像相对于样本图像而言可缩小了32倍，即，样本图像的尺寸是第一特征图像的尺寸的32倍。
在本公开的一个实施例中，为了可以准确提取出样本图像的局部特征信息，本示例中的第一特征提取网络可以为卷积神经网络，例如，第一图像分类模型中的第一特征提取网络可以为残差网络Resnet-50。其中，Resnet-50可通过多个特征提取层对样本图像进行多次下采样处理，以得到样本图像的第一特征图像。
步骤103，将掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，第一特征图像和第二特征图像的尺寸相同。
在一些示例中，第二特征提取网络可以基于自注意力的转换transformer网络，以通过该自注意力的转换transformer网络对掩码图像进行语义特征提取。
步骤104，根据第一特征图像和第二特征图像对第二特征提取网络进行训练。
在一些示例性的实施方式中，为了准确对第二图像分类模型中的第二特征提取网络进行训练，根据第一特征图像和第二特征图像对第二特征提取网络进行训练的一种可能实现方式为：确定第一特征图像和第二特征图像之间的均方误差损失；根据均方误差损失，对第二特征提取网络进行训练。
具体地，可根据均方误差损失对第二特征提取网络的网络参数进行调整，以得到调整后的第二图像分类模型，并对调整后的第二图像分类模型继续训练，直至均方误差损失满足预设条件。
其中，预设条件即为模型训练结束的条件。预设条件可以根据实际需求进行相应的配置。例如，均方误差损失满足预设条件可以是均方误差损失小于预设值，也可以是均方误差损失的变化趋近于平稳，即相邻两次或多次训练对应的均方误差损失的差值小于设定值，也就是均方误差损失基本不再变化。
基于上述描述，可以看出，本示例中通过第一图像分类模型对第二图像分类模型中的第二特征提取网络进行自监督训练，由于训练过程中无需再收集大量具有标签的样本图像，因此，可降低模型的训练成本。另外，在对第二图像分类模型中的第二特征提取网络进行训练的过程中，第二特征提取网络还可以学习第一图像分类模型中的第一特征提取网络的特征提取能力，从而可提高第二图像分类模型中的第二特征提取网络中的特征提取的准确性，继而可提高所训练出的第二图像分类模型的分类的准确性。
本公开实施例的图像分类模型的训练方法，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像，并将样本图像的掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到与第一特征图像尺寸相同的第二特征图像，并根据第一特征图像和第二特征图像对第二图像分类模型的第二特征提取网络进行训练。由此，通过借助第一图像分类模型实现第二图像分类模型地自监督训练，在降低了第二图像分类模型的训练成本的同时，可使得所训练出的第二图像分类模型达到良好的分类效果。
可以理解的是，在一些实施例中，为了进一步提高第二图像分类模型的分类的准确性，可结合第一图像分类模型对第二图像分类模型进行知识蒸馏训练，为了可以清楚理解结合第一图像分类模型对第二图像分类模型进行知识蒸馏训练的过程，下面结合图2对该实施例的图像分类模型的训练方法进行示例性描述。
图2是根据本公开第二实施例的示意图。
如图2所示，该图像分类模型的训练方法可以包括：：
步骤201，确定样本图像的掩码图像。
步骤202，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像。
步骤203，利用第一图像分类模型中的分类网络对第一特征图像进行分类，以得到样本图像的第一类型标签信息。
也就是说，在本示例中，可将样本图像输入到第一图像分类模型中，以通过第一图像分类模型得到样本图像的第一类型标签信息。其中，第一图像分类模型对样本图像进行处理，以得到样本图像的第一类型标签信息的处理过程如步骤202和步骤203所示。
步骤204，将样本图像输入到第二图像分类模型，以得到样本图像的第二类型标签信息。
在一些示例性的实施方式中，将样本图像输入到第二图像分类模型后，对应地，第二图像分类模型得到样本图像的第二类型标签信息的具体示例性过程为：第二图像分类模型中的第二特征提取网络对样本图像进行特征提取，并将所提取到的特征图像输入到第二图像分类模型中的分类网络中，对应地，第二图像分类模型中的分类网络对提取到的特征图像进行分类，以得到样本图像的第二类型标签信息。
步骤205，根据第一类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
也就是说，在对第二图像分类模型进行自监督训练之前，还可以基于第一图像分类模型，对第二图像分类模型进行知识蒸馏训练。
其中，基于本示例中的描述的内容，可以看出，在进行知识蒸馏训练的过程中，本示例中的教师模型为第一图像分类模型，学生模型为第二图像分类模型。
在一些示例性的实施方式中，为了使得第二图像分类模型可以准确继承第一图像分类模型地性能，根据第一类型标签信息和第二类型标签信息，对第二图像分类模型进行训练的一种可能实现方式为：根据第一类型标签信息和第二类型标签信息，确定蒸馏损失值；根据蒸馏损失值，对第二图像分类模型的模型参数进行调整，以实现训练。
在一些示例性的实施方式中，本示例中的第一类型标签信息和第二类型标签信息可以均为样本图像在预设的各种类型标签的分布概率信息。也就是说，在一些示例中，第一类型标签信息可以为第一类型标签分布概率信息，第二类型标签信息可以为第二类型标签分布概率信息。
例如，假设样本图像为眼底样本图像，第一图像分类模型是基于卷积神经网络CNN的图像分类模型，第二图像分类模型是基于自注意力的转换transformer网络的图像分类模型，并且，第一类型标签信息和第二类型标签信息均为类型标签分布概率。由于基于卷积神经网络CNN的图像分类模型可以准确对对样本图像的局部特征信息进行提取，为了使得基于自注意力的转换transformer网络的图像分类模型可从卷积神经网络CNN的图像分类模型继承对样本图像进行局部特征提取的能力，可基于卷积神经网络CNN的图像分类模型对基于自注意力的转换transformer网络的图像分类模型进行知识蒸馏训练，其中，知识蒸馏训练的过程的示例图，如图3所示，具体而言，可将眼底样本图像输入到基于卷积神经网络CNN的图像分类模型中，以得到基于卷积神经网络CNN的图像分类模型输出的第一类型标签分布概率信息，将眼底样本图像输入到基于自注意力的转换transformer网络的图像分类模型中，以得到眼底样本图像的第二类型标签分布概率信息，根据第一类型标签分布概率信息和第二类型标签分布概率，确定损失值，根损失值对基于自注意力的转换transformer网络的图像分类模型进行训练。
步骤206，将掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，第一特征图像和第二特征图像的尺寸相同。
步骤207，根据第一特征图像和第二特征图像对第二特征提取网络进行训练。
其中，需要说明的是，关于步骤206和步骤207的具体实现方式，可参见本公开实施例中的相关描述，此处不再赘述。
在本示例中，通过第一图像分类模型输出样本图像的第一类型标签信息，并通过第二图像分类模型输出样本图像的第二类型标签信息，并基于第一类型标签信息和第二类型标签信息，对第二图像分类模型进行知识蒸馏训练，从而使得第二图像分类模型可继承第一图像分类的能力，进而有利于提高第二图像分类模型的分类的准确度。
在本公开的一个实施例中，为了使得第一图像分类模型可以准确确定出样本图像的类型标签信息，方便后续基于第一图像分类模型对第二图像分类模型进行知识蒸馏训练，在一些示例性的实施方式中，可结合对样本图像以及对应的类型标注数据，对第一图像分类模型进行训练。为了可以清楚理解该过程，下面结合图4对该实施的图像分类模型的训练方法进行示例性描述。
图4是根据本公开第三实施例的示意图。
如图4所示，该图像分类模型的训练方法可以包括：
步骤401，获取样本图像的类型标注数据，其中，类型标注数据包括第三类型标签信息。
可以理解的是，本示例中第三类标签信息是通过对样本图像进行类型标签所得到的类型标注信息。在一些示例中，可通过人工的方式对样本图像进行类型标注，并获取为该样本图像所标注的第三类型标签信息。
步骤402，确定样本图像的掩码图像。
其中，需要说明的是，关于步骤402的具体实现方式，可参见本公开实施例的相关描述，此处不再赘述。
步骤403，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像。
步骤404，利用第一图像分类模型中的分类网络对第一特征图像进行分类，以得到样本图像的第一类型标签信息。
在本示例中，可将样本图像输入到第一图像分类模型中，以通过第一图像分类模型得到样本图像的第一类型标签信息。其中，第一图像分类模型对样本图像进行处理，以得到样本图像的第一类型标签信息的处理过程如步骤403和步骤404所示。对应地，第一图像分类模型中的第一特征提取网络和分类网络依次对样本图像进行处理，以得到样本图像的第一类型标签信息。
步骤405，根据第三类型标签信息和第一类型标签信息，对第一图像分类模型进行训练。
也就是说，在本示例中，在通过对第一图像分类模型对第二图像分类模型进行知识蒸馏训练之前，可基于样本图像以及对应的类型标签数据对第一图像分类模型进行训练。由此，使得第一图像分类模型可准确确定出所输入的图像的类型标签信息。
步骤406，将样本图像输入到第二图像分类模型，以得到样本图像的第二类型标签信息。
步骤407，根据第一类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
在本示例中，可基于训练后的第一图像分类模型对第二图像分类模型进行知识蒸馏训练。
步骤408，将掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，第一特征图像和第二特征图像的尺寸相同。
步骤409，根据第一特征图像和第二特征图像对第二特征提取网络进行训练。
其中，需要说明的是，关于步骤408和步骤409的具体实现方式，可参见本公开实施例的相关描述，此处不再赘述。
在一些示例中，由于卷积神经网络模型在小样本汇聚集合上性能较为优越，训练一个基于卷积神经网络CNN的图像分类模型所需要的具有类型标注数据的样本图像的数量通常较长，因此，本示例中的第一图像分类模型可以为基于卷积神经网络CNN的图像分类模型。为了使得可对图像语义进行理解，本示例中的第二图像分类模型是基于自注意力的转换transformer网络的图像分类模型。其中，基于卷积神经网络CNN的图像分类模型中的卷积神经网络可以对样本图像进行局部特征提取，对应地，基于自注意力的转换transformer网络的图像分类模型中的自注意力的转换transformer网络可以对样本图像进行全局语义特征提取。
在本示例中，在通过第一图像分类模型对第二图像分类模型进行知识蒸馏训练之前，通过样本图像以及对应的类型标注数据对第一图像分类模型，使得训练后的第一图像分类模型可以准确确定出样本图像的类型标签信息，方便后续基于第一图像分类模型对第二图像分类模型准确实现知识蒸馏训练。
基于图2或者图4所示的实施例的基础上，为了进一步提高第二图像分类模型的分类的准确性，还可以结合样本图像以及对应的类型标签数据对第二图像分类模型再次进行训练。为了可以清楚理解如何结合样本图像以及对应的类型标签数据对第二图像分类模型进行训练的过程，下面结合图5对该实施实施例的图像分类模型的训练方法进行示例性描述。
图5是根据本公开第四实施例的示意图。
如图5所示，该图像分类模型的训练方法可以包括：
步骤501，确定样本图像的掩码图像。
其中，需要说明的是，关于步骤501的具体实现方式，可参见本公开实施例的相关描述，此处不再赘述。
步骤502，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像。
在一些实例性的实施方式中，还可以基于样本图像以及对应的类型标注数据对第一图像分类模型进行训练。
步骤503，利用第一图像分类模型中的分类网络对第一特征图像进行分类，以得到样本图像的第一类型标签信息。
步骤504，将样本图像输入到第二图像分类模型，以得到样本图像的第二类型标签信息。
步骤505，根据第一类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
步骤506，将掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，第一特征图像和第二特征图像的尺寸相同。
步骤507，根据第一特征图像和第二特征图像对第二特征提取网络进行训练。
步骤508，获取样本图像的类型标注数据，其中，类型标注数据包括第三类型标签信息。
步骤509，根据第三类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
在一些示例性的实施方式中，可基于第三类型标签信息和第二类型标签信息确定对应的交叉熵损失值，并基于交叉熵损失值对第二图像分类模型的模型参数进行调整，以得到调整后的第二图像分类模型，并继续对调整后的第二图像分类模型进行训练，直至对应的交叉熵损失值满足预设条件。
其中，预设条件即为模型训练结束的条件。预设条件可以根据实际需求进行相应的配置。例如，交叉熵损失值满足预设条件可以是交叉熵损失值小于预设值，也可以是交叉熵损失值的变化趋近于平稳，即相邻两次或多次训练对应的交叉熵损失值的差值小于设定值，也就是交叉熵损失值基本不再变化。
在本示例中，在通过第一图像分类模型对第二图像分类模型进行知识蒸馏训练以及自监督训练之后，基于样本图像以及对应的标签标注数据对第二图像分类模型进行再次训练，从而实现了对第二图像分类模型的模型参数进行微调，从而使得第二图像分类模型可以在具备第一图像分类模型的能力的基础上，学习样本图像中的全局特征信息，从而使得训练后的第二图像分类模型可具有超过第一图像分类模型的分类能力，进一步提高了第二图像分类模型的分类的准确度。
为了可以清楚理解本公开，下面结合图6对该实施例的训练方法进行进一步描述。其中，在本示例实施例中，以第一图像分类模型为卷积神经网络(Convolutional NeuralNetworks，CNN)模型，第二图像分类模型为基于自注意力的转换transformer网络模型为例进行示例性描述。
图6是根据本公开第五实施例的示意图。
如图6所示，该方法可以包括：
步骤601，基于样本图像以及对应的类型标注数据，对CNN模型进行训练，以得到训练好的CNN模型。
在一些示例性的实施方式中，可将样本图像输入到CNN模型中，以得到样本图像的预测类型标签，根据类型标注数据和预测类型标签对CNN模型进行多轮训练，以得到训练好的CNN模型。
步骤602，基于训练好的CNN模型对基于自注意力的转换transformer网络模型进行知识蒸馏训练。
在一些示例性的实施方式中，可将样本图像输入到训练好的CNN模型，以得到样本图像的第一类型标签分布概率信息，将样本图像输入到基于自注意力的转换transformer网络模型，以得到样本图像的第二类型标签分布概率信息，根据第一类型标签分布概率信息和第二类型标签分布概率信息，对基于自注意力的转换transformer网络模型进行知识蒸馏训练。
基于上述描述，可以看出，本示例中，是以训练好的CNN模型为教师模型，并以基于自注意力的转换transformer网络模型为学生模型进行地知识蒸馏训练。
步骤603，获取CNN模型中的特征提取网络对样本图像进行特征提取所得到的第一特征图像，并获取基于自注意力的转换transformer网络模型中的特征提取网络对样本图像的掩码图像项进行特征提取所得到的第二特征图像。
步骤604，基于第一特征图像和第二特征图像对基于自注意力的转换transformer网络模型进行训练。
为了进一步提升基于自注意力的转换transformer网络模型对图像语义的学习能力，在基于自注意力的转换transformer网络模型学习CNN模型的过程中加入自监督任务协同训练：输送样本图像给CNN模型，并提取CNN模型下采样32倍之后的第一深层特征图像；对样本图像进行一定的掩码mask遮挡，以得到样本图像的掩码图像，并将掩码图像再送入自注意力的转换transformer网络模型中，以使得自注意力的转换transformer网络模型恢复CNN模型的深层特征图，以得到第二深层特征图像，并基于第一深层特征图像和第二深层特征图像对自注意力的转换transformer网络模型进行训练，从而使得自注意力的转换transformer网络模型可以学习CNN模型捕捉图像特征的能力。
例如，样本图像为眼底样本图像，结合训练好的CNN模型对基于自注意力的转换transformer网络模型进行自监督训练的示例图如图7所示，具体地，可将眼底样本图像输入到训练好的CNN模型中的卷积神经网络中，以得到第一深层特征图像，对应地，对眼底样本图像进行掩码处理，以得到掩码图像，然后，将掩码图像输入到基于自注意力的转换transformer网络模型中，对应地，基于自注意力的转换transformer网络模型中的特征提取网络基于掩码图像进行特征提取，以得到第二深度特征图像，确定第一深度特征图像和第二深度特征图像的均方误差损失，基于均方误差损失对自注意力的转换transformer网络模型中的特征提取网络进行训练。
其中，本示例中的自注意力的转换transformer网络模型是基于Swin-transformer架构的，在网络产出的8倍下采样特征图上再加2层卷积下采样，从而与CNN模型中的卷积神经网络的特征图进行对齐。
为了实现上述实施例，本公开实施例还提供一种图像分类模型的训练装置。
图8是根据本公开第六实施例的示意图，该实施例提供一种图像分类方法。
如图8所示，该图像分类方法可以包括：
步骤801，获取待处理图像。
步骤802，将待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到待处理图像的第三特征图像。
其中，第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，第二特征图像是利用第二特征提取网络对样本图像的掩码图像进行特征提取得到的。
其中，需要说明的是，关于对第二图像分类模型进行训练的相关描述，可参见本公开实施例的相关描述，此处不再赘述。
步骤803，利用第二图像分类模型中的分类网络，对第三特征图像进行分类，以得到待处理图像的类型标签信息。
本实施例提供的图像分类方法，基于第一图像分类模型对第二图像分类模型进行自监督训练，并将待处理图像输入到训练后的第二图像分类模型中，通过第二图像分类模型中的特征提取网络对待处理图像进行特征提取，以得到对应的特征图像，并通过第二图像分类模型中的分类网络对对应的特征图像进行分类，以得到待处理图像的类型标签信息。由此，通过训练后的第二图像分类模型可以准确实现对待处理图像地分类，提高了第二图像分类模型的分类的准确度。
图9是根据本公开第七实施例的示意图，该实施例提供一种图像分类模型的训练装置。
如图9所示，该图像分类模型的训练装置90可以包括第一确定模块901、第二确定模块902、特征提取模块903和第一训练模块904，其中：
第一确定模块901，用于确定样本图像的掩码图像。
第二确定模块902，用于利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像。
特征提取模块903，用于将掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，第一特征图像和第二特征图像的尺寸相同。
第一训练模块904，用于根据第一特征图像和第二特征图像对第二特征提取网络进行训练。
本公开实施例的图像分类模型的训练装置，利用第一图像分类模型中的第一特征提取网络，确定样本图像的第一特征图像，并将样本图像的掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到与第一特征图像尺寸相同的第二特征图像，并根据第一特征图像和第二特征图像对第二图像分类模型的第二特征提取网络进行训练。由此，通过借助第一图像分类模型实现第二图像分类模型地自监督训练，在降低了第二图像分类模型的训练成本的同时，可使得所训练出的第二图像分类模型达到良好的分类效果。
在本公开的一个实施例中，如图10所示，该图像分类模型的训练装置100可以包括：第一确定模块1001、第二确定模块1002、特征提取模块1003、第一训练模块1004、第一分类模块1005、第二分类模块1006、第二训练模块1007、第一获取模块1008、第三训练模块1009、第二获取模块1010和第四训练模块1011。
其中，需要说明的是，关于第二确定模块1002和特征提取模块1003的详细描述可参见上述图9中的第二确定模块902、特征提取模块903的说明，此处不再进行描述。
在本公开的一个实施例中，第一分类模块1005，用于利用第一图像分类模型中的分类网络对第一特征图像进行分类，以得到样本图像的第一类型标签信息。
第二分类模块1006，用于将样本图像输入到第二图像分类模型，以得到样本图像的第二类型标签信息。
第二训练模块1007，用于根据第一类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
在本公开的一个实施例中，该装置还包括：
第一获取模块1008，用于获取样本图像的类型标注数据，其中，类型标注数据包括第三类型标签信息；
第三训练模块1009，用于根据第三类型标签信息和第一类型标签信息，对第一图像分类模型进行训练。
在本公开的一个实施例中，第二训练模块1006，具体用于：根据第一类型标签信息和第二类型标签信息，确定蒸馏损失值；根据蒸馏损失值，对第二图像分类模型的模型参数进行调整，以实现训练。
在本公开的一个实施例中，第一训练模块1004，具体用于：确定第一特征图像和第二特征图像之间的均方误差损失；根据均方误差损失，对第二特征提取网络进行训练。
在本公开的一个实施例中，装置还包括：
第二获取模块1010，用于获取样本图像的类型标注数据，其中，类型标注数据包括第三类型标签信息；
第四训练模块1011，用于根据第三类型标签信息和第二类型标签信息，对第二图像分类模型进行训练。
在本公开的一个实施例中，第一特征提取网络为卷积神经网络，第二特征提取网络为基于自注意力机制的转换transformer网络。
在本公开的一个实施例中，第一确定模块1001，具体用于：对样本图像进行划分，以得到样本图像的多个图像块；对多个图像块中的部分图像块进行掩码处理，以得到样本图像的掩码图像。
其中，需要说明的是，上述对图像分类模型的训练方法、图像分类方法的解释说明也适用于本实施例中的图像分类模型的训练装置，该实施例对此不再赘述。
图11是根据本公开第九实施例的示意图，该实施例提供一种图像分类装置。
如图11所示，该图像分类装置110可以包括获取模块1101、特征提取模块1102和分类模块1103，其中：
获取模块1101，用于获取待处理图像。
特征提取模块1102，用于将待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到待处理图像的第三特征图像，其中，第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，第二特征图像是利用第二特征提取网络对样本图像的掩码图像进行特征提取得到的。
分类模块1103，用于利用第二图像分类模型中的分类网络，对第三特征图像进行分类，以得到待处理图像的类型标签信息。
本实施例提供的图像分类方法，基于第一图像分类模型对第二图像分类模型进行自监督训练，并将待处理图像输入到训练后的第二图像分类模型中，通过第二图像分类模型中的特征提取网络对待处理图像进行特征提取，以得到对应的特征图像，并通过第二图像分类模型中的分类网络对对应的特征图像进行分类，以得到待处理图像的类型标签信息。由此，通过训练后的第二图像分类模型可以准确实现对待处理图像地分类，提高了第二图像分类模型的分类的准确度。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质和一种计算机程序产品。
图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示，该电子设备1200可以包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如图像分类模型的训练方法。例如，在一些实施例中，图像分类模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的图像分类模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像分类模型的训练方法。
在一些示例中，计算单元1201执行上文所描述的图像分类方法。例如，在一些实例中，图像分类方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的图像分类方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像分类方法。
本文中以上描述的装置和技术的各种实施方式可以在数字电子电路装置、集成电路装置、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上装置的装置(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程装置上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储装置、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储装置、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行装置、装置或设备使用或与指令执行装置、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体装置、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的装置和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的装置和技术实施在包括后台部件的计算装置(例如，作为数据服务器)、或者包括中间件部件的计算装置(例如，应用服务器)、或者包括前端部件的计算装置(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的装置和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算装置中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将装置的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机装置可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器可以是云服务器，也可以为分布式装置的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (20)
1.一种图像分类模型的训练方法，包括：
确定样本图像的掩码图像；
利用第一图像分类模型中的第一特征提取网络，确定所述样本图像的第一特征图像，所述第一图像分类模型基于所述样本图像以及对应的类型标签数据训练得到；
将所述掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，所述第一特征图像和所述第二特征图像的尺寸相同；
根据所述第一特征图像和所述第二特征图像对所述第二特征提取网络进行训练，以实现第二图像分类模型的自监督训练；
所述根据所述第一特征图像和所述第二特征图像对所述第二特征提取网络进行训练，包括：
确定所述第一特征图像和所述第二特征图像之间的均方误差损失；
根据所述均方误差损失，对所述第二特征提取网络进行训练。
2.根据权利要求1所述的方法，其中，所述方法还包括：
利用所述第一图像分类模型中的分类网络对所述第一特征图像进行分类，以得到所述样本图像的第一类型标签信息；
将所述样本图像输入到所述第二图像分类模型，以得到所述样本图像的第二类型标签信息；
根据所述第一类型标签信息和所述第二类型标签信息，对所述第二图像分类模型进行训练。
3.根据权利要求2所述的方法，其中，所述方法还包括：
获取所述样本图像的类型标注数据，其中，所述类型标注数据包括第三类型标签信息；
根据所述第三类型标签信息和所述第一类型标签信息，对所述第一图像分类模型进行训练。
4.根据权利要求2所述的方法，其中，所述根据所述第一类型标签信息和所述第二类型标签信息，对所述第二图像分类模型进行训练，包括：
根据所述第一类型标签信息和所述第二类型标签信息，确定蒸馏损失值；
根据所述蒸馏损失值，对所述第二图像分类模型的模型参数进行调整，以实现训练。
5.根据权利要求2所述的方法，其中，所述方法还包括：
获取所述样本图像的类型标注数据，其中，所述类型标注数据包括第三类型标签信息；
根据所述第三类型标签信息和所述第二类型标签信息，对所述第二图像分类模型进行训练。
6.根据权利要求1所述的方法，其中，所述第一特征提取网络为卷积神经网络，所述第二特征提取网络为基于自注意力机制的转换transformer网络。
7.根据权利要求1-6中任一项所述的方法，其中，所述确定样本图像的掩码图像，包括：
对所述样本图像进行划分，以得到所述样本图像的多个图像块；
对所述多个图像块中的部分图像块进行掩码处理，以得到所述样本图像的掩码图像。
8.一种图像分类方法，包括：
获取待处理图像；
将所述待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到所述待处理图像的第三特征图像，其中，所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，所述第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，所述第二特征图像是利用所述第二特征提取网络对所述样本图像的掩码图像进行特征提取得到的，所述第一图像分类模型基于所述样本图像以及对应的类型标签数据训练得到；
利用所述第二图像分类模型中的分类网络，对所述第三特征图像进行分类，以得到所述待处理图像的类型标签信息；
所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，具体包括：
确定所述第一特征图像和所述第二特征图像之间的均方误差损失；
根据所述均方误差损失，对所述第二特征提取网络进行训练。
9.根据权利要求8所述的方法，其中，所述第一特征提取网络为卷积神经网络，所述第二特征提取网络为基于自注意力机制的转换transformer网络。
10.一种图像分类模型的训练装置，包括：
第一确定模块，用于确定样本图像的掩码图像；
第二确定模块，用于利用第一图像分类模型中的第一特征提取网络，确定所述样本图像的第一特征图像，所述第一图像分类模型基于所述样本图像以及对应的类型标签数据训练得到；
特征提取模块，用于将所述掩码图像输入到第二图像分类模型中的第二特征提取网络，以得到第二特征图像，其中，所述第一特征图像和所述第二特征图像的尺寸相同；
第一训练模块，用于根据所述第一特征图像和所述第二特征图像对所述第二特征提取网络进行训练，以实现第二图像分类模型的自监督训练；
所述第一训练模块，具体用于：
确定所述第一特征图像和所述第二特征图像之间的均方误差损失；
根据所述均方误差损失，对所述第二特征提取网络进行训练。
11.根据权利要求10所述的装置，其中，所述装置还包括：
第一分类模块，用于利用所述第一图像分类模型中的分类网络对所述第一特征图像进行分类，以得到所述样本图像的第一类型标签信息；
第二分类模块，用于将所述样本图像输入到所述第二图像分类模型，以得到所述样本图像的第二类型标签信息；
第二训练模块，用于根据所述第一类型标签信息和所述第二类型标签信息，对所述第二图像分类模型进行训练。
12.根据权利要求11所述的装置，其中，所述装置还包括：
第一获取模块，用于获取所述样本图像的类型标注数据，其中，所述类型标注数据包括第三类型标签信息；
第三训练模块，用于根据所述第三类型标签信息和所述第一类型标签信息，对所述第一图像分类模型进行训练。
13.根据权利要求11所述的装置，其中，所述第二训练模块，具体用于：
根据所述第一类型标签信息和所述第二类型标签信息，确定蒸馏损失值；
根据所述蒸馏损失值，对所述第二图像分类模型的模型参数进行调整，以实现训练。
14.根据权利要求11所述的装置，其中，所述装置还包括：
第二获取模块，用于获取所述样本图像的类型标注数据，其中，所述类型标注数据包括第三类型标签信息；
第四训练模块，用于根据所述第三类型标签信息和所述第二类型标签信息，对所述第二图像分类模型进行训练。
15.根据权利要求10所述的装置，其中，所述第一特征提取网络为卷积神经网络，所述第二特征提取网络为基于自注意力机制的转换transformer网络。
16.根据权利要求10-15中任一项所述的装置，其中，所述第一确定模块，具体用于：
对所述样本图像进行划分，以得到所述样本图像的多个图像块；
对所述多个图像块中的部分图像块进行掩码处理，以得到所述样本图像的掩码图像。
17.一种图像分类装置，包括：
获取模块，用于获取待处理图像；
特征提取模块，用于将所述待处理图像输入到第二图像分类模型中的第二特征提取网络，以得到所述待处理图像的第三特征图像，其中，所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，其中，所述第一特征图像是利用第一图像分类模型中的第一特征提取网络对样本图像进行特征提取得到的，所述第二特征图像是利用所述第二特征提取网络对所述样本图像的掩码图像进行特征提取得到的，所述第一图像分类模型基于所述样本图像以及对应的类型标签数据训练得到；
分类模块，用于利用所述第二图像分类模型中的分类网络，对所述第三特征图像进行分类，以得到所述待处理图像的类型标签信息；
所述第二特征提取网络是基于第一特征图像和第二特征图像训练得到的，具体包括：
确定所述第一特征图像和所述第二特征图像之间的均方误差损失；
根据所述均方误差损失，对所述第二特征提取网络进行训练。
18.根据权利要求17所述的装置，其中，所述第一特征提取网络为卷积神经网络，所述第二特征提取网络为基于自注意力机制的转换transformer网络。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法，或者权利要求8-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法，或者权利要求8-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211165540.6A CN115457329B (zh) | 2022-09-23 | 2022-09-23 | 图像分类模型的训练方法、图像分类方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211165540.6A CN115457329B (zh) | 2022-09-23 | 2022-09-23 | 图像分类模型的训练方法、图像分类方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115457329A CN115457329A (zh) | 2022-12-09 |
| CN115457329B true CN115457329B (zh) | 2023-11-10 |
Family
ID=84306460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211165540.6A Active CN115457329B (zh) | 2022-09-23 | 2022-09-23 | 图像分类模型的训练方法、图像分类方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115457329B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116453121B (zh) * | 2023-06-13 | 2023-12-22 | 合肥市正茂科技有限公司 | 一种车道线识别模型的训练方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724007A (zh) * | 2022-03-31 | 2022-07-08 | 北京百度网讯科技有限公司 | 训练分类模型、数据分类方法、装置、设备、介质及产品 |
| CN114972791A (zh) * | 2022-06-02 | 2022-08-30 | 电子科技大学长三角研究院(衢州) | 图像分类模型训练方法、图像分类方法及相关装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10885400B2 (en) * | 2018-07-03 | 2021-01-05 | General Electric Company | Classification based on annotation information |
-
2022
- 2022-09-23 CN CN202211165540.6A patent/CN115457329B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724007A (zh) * | 2022-03-31 | 2022-07-08 | 北京百度网讯科技有限公司 | 训练分类模型、数据分类方法、装置、设备、介质及产品 |
| CN114972791A (zh) * | 2022-06-02 | 2022-08-30 | 电子科技大学长三角研究院(衢州) | 图像分类模型训练方法、图像分类方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115457329A (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113033537B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
| CN112560874B (zh) | 图像识别模型的训练方法、装置、设备和介质 | |
| CN112633276B (zh) | 训练方法、识别方法、装置、设备、介质 | |
| CN112861885B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN113392253B (zh) | 视觉问答模型训练及视觉问答方法、装置、设备及介质 | |
| CN113177449B (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
| CN112862005B (zh) | 视频的分类方法、装置、电子设备和存储介质 | |
| CN113869449A (zh) | 一种模型训练、图像处理方法、装置、设备及存储介质 | |
| CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
| CN113688887A (zh) | 图像识别模型的训练与图像识别方法、装置 | |
| CN115457329B (zh) | 图像分类模型的训练方法、图像分类方法和装置 | |
| CN113191261B (zh) | 图像类别的识别方法、装置和电子设备 | |
| CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
| CN113657248A (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
| WO2023232031A1 (zh) | 一种神经网络模型的训练方法、装置、电子设备及介质 | |
| CN114783597B (zh) | 多类疾病诊断的诊断方法及装置、电子设备和存储介质 | |
| CN114882334B (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
| CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
| CN114842541A (zh) | 模型的训练及人脸识别方法、装置、设备以及存储介质 | |
| CN112818972B (zh) | 兴趣点图像的检测方法、装置、电子设备及存储介质 | |
| CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
| CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
| CN114120410A (zh) | 用于生成标签信息的方法、装置、设备、介质和产品 | |
| CN115131709B (zh) | 视频类别预测方法、视频类别预测模型的训练方法及装置 | |
| CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |