多标签图像分类方法、装置及相关设备.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CN113723513A(43)申请公布日2021.11.30(21)申请号202111011719.1(22)申请日2021.08.31(71)申请人平安国际智慧城市科技股份有限公司地址518000广东省深圳市前海深港合作区妈湾兴海大道3048号前海自贸大厦1-34层(72)发明人张玉琪(74)专利代理机构深圳市赛恩倍吉知识产权代理有限公司44334代理人祝国庆陈敬华(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书14页附图2页(54)发明名称多标签图像分类方法、装置及相关设备(57)摘要本申请涉及人工智能及数字医疗技术领域，提供一种多标签图像分类方法、装置、计算机设备与存储介质，包括：调用语义转换模型处理标签，得到标签对应的标签语义向量；调用特征提取模型处理已分类图像，得到特征语义向量；根据标签语义向量与特征语义向量计算实际相关性值，将已分类图像作为输入向量，已分类图像对应的标签作为输出向量训练多标签图像分类模型；调用多标签图像分类模型处理待分类图像，得到初始标签集；调用语义转换模型处理初始标签集，得到初始标签集中每一初始标签对应的目标标签语义向量；获取每一目标标签语义向量间的语义关系，并根据语义关系输出待分类图像对应的目标标签集。本申请能够提高多标签图像分类的准确性。CN113723513ACN113723513A权利要求书1/3页1.一种多标签图像分类方法，其特征在于，所述多标签图像分类方法包括：获取预先标注好标签的已分类图像中的标签，并调用预先训练好的语义转换模型处理所述标签，得到所述标签对应的标签语义向量；调用预先训练好的特征提取模型处理所述已分类图像，得到所述已分类图像对应的特征语义向量；根据所述标签语义向量与所述特征语义向量计算实际相关性值；将所述已分类图像作为输入向量，所述已分类图像对应的标签作为输出向量训练多标签图像分类模型，其中，根据所述实际相关性值与预先设置的目标相关性值确定所述多标签图像分类模型的损失函数，以收敛所述损失函数为目标，直至所述多标签图像分类模型训练完成；调用所述多标签图像分类模型处理待分类图像，得到所述待分类图像包含的初始标签集；调用所述语义转换模型处理所述初始标签集，得到所述初始标签集中每一初始标签对应的目标标签语义向量；获取每一所述目标标签语义向量间的语义关系，并根据所述语义关系输出所述待分类图像对应的目标标签集。2.根据权利要求1所述的多标签图像分类方法，其特征在于，所述调用预先训练好的语义转换模型处理所述标签，得到所述标签对应的标签语义向量包括：获取所述标签对应的目标属性，所述目标属性包括标签名称以及标签在所述已分类图像中的空间位置；将所述目标属性按照预设数据格式进行组合，得到目标属性序列；调用预先训练好的语义转换模型处理所述目标属性序列，得到所述标签对应的目标维度的标签语义向量。3.根据权利要求2所述的多标签图像分类方法，其特征在于，在所述调用预先训练好的特征提取模型处理所述已分类图像，得到所述已分类图像对应的特征语义向量之前，所述方法还包括：灰度处理所述已分类图像，得到目标已分类图像；获取所述目标已分类图像对应的预先标记好的若干区域标号，并根据所述区域标号确定所述目标已分类图像的目标区域集；提取所述目标区域集中各个所述目标区域对应的特征语料，并将所述特征语料转换为所述目标维度的特征语义向量；以所述已分类图像为输入向量，所述已分类图像对应的特征语义向量为输出向量训练初始神经网络，得到训练好的特征提取模型。4.根据权利要求1所述的多标签图像分类方法，其特征在于，所述根据所述标签语义向量与所述特征语义向量计算实际相关性值包括：乘积处理所述标签语义向量与所述特征语义向量，得到初始值；调用预设函数处理所述初始值，得到实际相关性值。5.根据权利要求1所述的多标签图像分类方法，其特征在于，所述获取每一所述目标标签语义向量间的语义关系包括：2CN113723513A权利要求书2/3页计算每一所述目标标签语义向量间的相似度值；获取所述相似度值所属的目标区间；根据所述目标区间遍历预先设置的区间与语义关系的映射关系，得到所述目标区间对应的目标语义关系。6.根据权利要求1所述的多标签图像分类方法，其特征在于，所述语义转换模型的训练过程包括：获取以标签对应的目标属性为输入数据，以所述标签对应的标签语义向量为输出数据的训练样本；按照预设拆分比例将所述训练样本拆分为训练集与测试集；将所述训练集输入至初始神经网络模型中，得到初始语义转换模型；将所述测试集输入至所述初始语义转换模型中，计算模型的准确率；检测所述准确率是否超过预设准确率阈值；当检测结果为所述准确率超过所述预设准