一种图像分类方法及其相关设备.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CN114169393A(43)申请公布日2022.03.11(21)申请号202111294416.5(22)申请日2021.11.03(71)申请人华为技术有限公司地址518129广东省深圳市龙岗区坂田华为总部办公楼(72)发明人陈醒濠董旻京张依曼王云鹤(74)专利代理机构深圳市深佳知识产权代理事务所(普通合伙)44285代理人石翰林(51)Int.Cl.G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)G06V10/764(2022.01)G06V10/774(2022.01)权利要求书3页说明书22页附图11页(54)发明名称一种图像分类方法及其相关设备(57)摘要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。CN114169393ACN114169393A权利要求书1/3页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2CN114169393A权利要求书2/3页函数包含第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