公开(公告)号：CN114972791B

公开(公告)日：2025-04-25

申请号：CN202210626206.X

申请日：2022-06-02

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 邓佳丽 ,  丁子霖 ,  刘明 ,  龚海刚 ,  王晓敏 ,  刘明辉 ,  程旋 ,  解天舒

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明的实施例提供了一种图像分类模型训练方法、图像分类方法及相关装置，涉及图像处理领域。首先，获取原始图像及原始图像的类型标签；将原始图像输入预先构建的图像分类模型，图像分类模型包括特征提取网络和类型预测网络，特征提取网络包括N个依次串联的卷积层；再利用特征提取网络对原始图像进行特征提取，得到第N个所述卷积层输出的第一特征图和第N‑1个卷积层输出的第二特征图；基于第一特征图、类型标签和预设的多个二值掩码，生成第一训练集，基于第二特征图、类型标签和多个二值掩码，生成第二训练集；最后，利用第一训练集和第二训练集对类型预测网络进行训练，得到训练后的图像分类模型，从而减少模型训练过程产生的额外开销。

公开(公告)号：CN114972791A

公开(公告)日：2022-08-30

申请号：CN202210626206.X

申请日：2022-06-02

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 邓佳丽 ,  丁子霖 ,  刘明 ,  龚海刚 ,  王晓敏 ,  刘明辉 ,  程旋 ,  解天舒

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明的实施例提供了一种图像分类模型训练方法、图像分类方法及相关装置，涉及图像处理领域。首先，获取原始图像及原始图像的类型标签；将原始图像输入预先构建的图像分类模型，图像分类模型包括特征提取网络和类型预测网络，特征提取网络包括N个依次串联的卷积层；再利用特征提取网络对原始图像进行特征提取，得到第N个所述卷积层输出的第一特征图和第N‑1个卷积层输出的第二特征图；基于第一特征图、类型标签和预设的多个二值掩码，生成第一训练集，基于第二特征图、类型标签和多个二值掩码，生成第二训练集；最后，利用第一训练集和第二训练集对类型预测网络进行训练，得到训练后的图像分类模型，从而减少模型训练过程产生的额外开销。