机器学习模型的训练方法和装置、图像的分类方法和装置.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CN113807529A(43)申请公布日2021.12.17(21)申请号202010761644.8(22)申请日2020.07.31(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人申童张炜梅涛(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人张雷许蓓(51)Int.Cl.G06N20/00(2019.01)G06K9/62(2006.01)权利要求书2页说明书9页附图4页(54)发明名称机器学习模型的训练方法和装置、图像的分类方法和装置(57)摘要本公开涉及一种机器学习模型的训练方法和装置、图像的分类方法和装置，涉及人工智能技术领域。该训练方法包括：利用第一机器学习模型，提取待处理图片的特征向量，根据特征向量确定待处理图片的第一分类结果，待处理图片属于第一数据域或第二数据域；根据特征向量，利用第二机器学习模型，确定待处理图片的第二分类结果，第二分类结果包括待处理图片在第一数据域中的分类结果和在第二数据域中的分类结果；根据第一分类结果和第二分类结果，对第一机器学习模型和第二机器学习模型进行对抗训练，使得第二分类结果的准确率低于阈值，训练好的第一机器学习模型用于图片分类。CN113807529ACN113807529A权利要求书1/2页1.一种机器学习模型的训练方法，包括：利用第一机器学习模型，提取待处理图片的特征向量，根据所述特征向量确定所述待处理图片的第一分类结果，所述待处理图片属于第一数据域或第二数据域；根据所述特征向量，利用第二机器学习模型，确定所述待处理图片的第二分类结果，所述第二分类结果包括所述待处理图片在第一数据域中的分类结果和在第二数据域中的分类结果；根据所述第一分类结果和所述第二分类结果，对所述第一机器学习模型和所述第二机器学习模型进行对抗训练，使得所述第二分类结果的准确率低于阈值，训练好的第一机器学习模型用于图片分类。2.根据权利要求1所述的训练方法，其中，所述根据所述第一分类结果和所述第二分类结果，对所述第一机器学习模型和所述第二机器学习模型进行对抗训练包括：根据所述待处理图片属于的数据域，以及所述第一分类结果，生成第一标注结果；根据所述第二分类结果和所述第一标注结果，计算第一损失函数；根据所述第一损失函数训练所述第二机器学习模型。3.根据权利要求1所述的训练方法，其中，所述第一数据域中的图片为人工生成的虚拟图片，所述第二数据域中的图片为实际采集的真实图片。4.根据权利要求3所述的训练方法，其中，所述根据所述第一分类结果和所述第二分类结果，对所述第一机器学习模型和所述第二机器学习模型进行对抗训练包括：在所述待处理图片属于第二数据域的情况下，生成所述待处理图片的第二标注结果，所述第二标注结果将所述待处理图片标注为属于第一数据域；根据所述第二分类结果和所述第二标注结果计算第二损失函数；根据所述第二损失函数训练所述第一机器学习模型。5.根据权利要求3所述的训练方法，其中，所述根据所述第一分类结果和所述第二分类结果，对所述第一机器学习模型和所述第二机器学习模型进行对抗训练包括：在所述待处理图片属于第一数据域的情况下，根据所述第一分类结果和所述待处理图片的第三标注结果计算第三损失函数，所述第三标注结果用于标注所述待处理图片所属的图像类型；根据所述第三损失函数训练所述第一机器学习模型。6.根据权利要求2所述的训练方法，其中，所述根据所述待处理图片属于的数据域，以及所述第一分类结果，生成第一标注结果包括：在所述待处理图片属于的第一数据域的情况下，在所述第一分类结果后面加标识位，生成所述第一标注结果，所述标识位的个数与所有图像类型的个数相同；在所述待处理图片属于的第二数据域的情况下，在所述第一分类结果前面加所述标识位，生成所述第一标注结果，所述标识位的个数与所有图像类型的个数相同。7.根据权利要求1-6任一项所述的训练方法，其中，所述第一分类结果为所述待处理图片中每一个像素属于各图像类型的概率，所述待处理图片在第一数据域中的分类结果为所述待处理图片中每一个像素在第一数据域中属于各图像类型的概率，2CN113807529A权利要求书2/2页所述待处理图片在第二数据域中的分类结果为所述待处理图片中每一个像素在第二数据域中属于各图像类型的概率。8.根据权利要求1-6任一项所述的训练方法，还包括：利用训练好的第一机器学习模型进行图片分类。9.一种图像的分类方法，包括：获取待处理图片；利用第一机器学习模型，对所述待处理图片进行分类，所述第一机器学习模型根据权利要求1-7任一项所述的训练方法训练得到。10.一种机器学习模