图像分类的方法和目标数据分类模型的构建方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114792398A(43)申请公布日2022.07.26(21)申请号202210714472.8G06K9/62(2022.01)(22)申请日2022.06.23G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人阿里巴巴（中国）有限公司地址311121浙江省杭州市余杭区五常街道文一西路969号3幢5层554室(72)发明人袁建龙王志斌李昊(74)专利代理机构北京博浩百睿知识产权代理有限责任公司11134专利代理师谢湘宁李静茹(51)Int.Cl.G06V20/10(2022.01)G06V10/74(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书2页说明书22页附图7页(54)发明名称图像分类的方法和目标数据分类模型的构建方法(57)摘要本发明公开了一种图像分类的方法和目标数据分类模型的构建方法。其中，该方法包括：获取待分类的目标图像数据；采用目标数据分类模型对所述目标图像数据进行分类处理，得到所述目标图像数据的分类结果，其中，所述目标数据分类模型是由度量学习函数对神经网络模型进行训练得到，所述度量学习函数是通过目标特征集来确定，所述目标特征集是通过对训练样本的初始特征集进行语义增强后得到的。本发明解决了相关技术中已有的领域泛化的神经网络模型，由于在进行领域泛化时很难考虑到类间方差，导致在对数据分类时的准确度比较低的技术问题。CN114792398ACN114792398A权利要求书1/2页1.一种图像分类的方法，其特征在于，包括：获取待分类的目标图像数据；采用目标数据分类模型对所述目标图像数据进行分类处理，得到所述目标图像数据的分类结果，其中，所述目标数据分类模型是由度量学习函数对神经网络模型进行训练得到，所述度量学习函数是通过目标特征集来确定，所述目标特征集是通过对训练样本的初始特征集进行语义增强后得到的。2.根据权利要求1所述的方法，其特征在于，采用目标数据分类模型对所述目标图像数据进行分类处理，得到所述目标图像数据的分类结果包括：通过所述目标数据分类模型对所述目标图像数据进行特征提取，得到目标特征向量；依据所述目标特征向量，计算得到所述目标图像数据属于每个类别标签的概率值；依据所述概率值，得到所述目标图像数据的分类结果。3.根据权利要求1所述的方法，其特征在于，所述目标图像数据的分类结果中包括：多个对象，以及每个对象所属的类别，在采用目标数据分类模型对所述目标图像数据进行分类处理，得到所述目标图像数据的分类结果之后，所述方法还包括：将所述分类结果发送至客户端；接收所述客户端返回的对所述分类结果的调整信息，其中，所述调整信息用于将所述多个对象中的目标对象的所属类别调整为目标类别；依据所述分类结果的调整信息优化所述目标数据分类模型。4.一种图像分类的方法，其特征在于，包括：获取待分类的遥感图像数据；采用目标数据分类模型对所述遥感图像数据进行分类处理，得到所述遥感图像数据的分类结果，其中，所述目标数据分类模型是由度量学习函数对神经网络模型进行训练得到，所述度量学习函数是通过目标特征集来确定，所述目标特征集是通过对训练样本的初始特征集进行语义增强后得到的。5.根据权利要求4所述的方法，其特征在于，在采用目标数据分类模型对所述遥感图像数据进行分类处理，得到所述遥感图像数据的分类结果之后，所述方法还包括：在目标界面展示所述遥感图像数据的分类结果，其中，所述分类结果用于表示所述遥感图像数据中是否包括水利区域；若所述分类结果指示所述遥感图像数据中不包括水利区域，且接收到调整指令，则对所述分类结果进行调整，以使所述分类结果表示所述遥感图像数据中包括水利区域；依据调整后的分类结果优化所述目标数据分类模型。6.一种图像分类的方法，其特征在于，包括：获取待分类的建筑物图像；采用目标数据分类模型对所述建筑物图像进行分类处理，得到所述建筑物图像的分类结果，其中，所述目标数据分类模型是由度量学习函数对神经网络模型进行训练得到，所述度量学习函数是通过目标特征集来确定，所述目标特征集是通过对训练样本的初始特征集进行语义增强后得到的。7.根据权利要求6所述的方法，其特征在于，在采用目标数据分类模型对所述建筑物图像进行分类处理，得到所述建筑物图像的分类结果之后，所述方法还包括：2CN114792398A权利要求书2/2页获取预设时间段之前的建筑物图像的分类结果，得到初始分类结果；将所述建筑物图像的分类结果与所述初始分类结果进行比对，确定建筑物的变化信息。8.一种目标数据分类模型的构建方法，其特征在于，所述目标数据分类模型应用于上述权利要求1至7中的任意一项所述的图像