图像分类模型生成方法、装置、设备和存储介质.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CN110414570A(43)申请公布日2019.11.05(21)申请号201910598329.5(22)申请日2019.07.04(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人秦世政林孟潇张祥雨(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人朱五云(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图5页(54)发明名称图像分类模型生成方法、装置、设备和存储介质(57)摘要本申请涉及一种图像分类模型生成方法、装置、设备和存储介质，终端根据目标选取策略从超网络中选取目标子网络，其中，目标选取策略用于从超网络中选取与第一目标网络之间的差异小于预设阈值的子网络，超网络包括至少两个子网络，并根据目标子网络，生成图像分类模型，图像分类模型用于对图像进行分类，终端根据与第一目标网络之间的差异小于预设阈值的目标子网络，生成图像分类模型，避免了随机从超网络中选取子网络，来生成图像分类模型的情况，进而避免了随机从超网络中选取子网络生成图像分类模型的准确度低的情况。CN110414570ACN110414570A权利要求书1/2页1.一种图像分类模型生成方法，其特征在于，所述方法包括：根据目标选取策略从超网络中选取目标子网络；所述目标选取策略用于从超网络中选取与第一目标网络之间的差异小于预设阈值的子网络；所述超网络包括至少两个子网络；根据所述目标子网络，生成图像分类模型，所述图像分类模型用于对图像进行分类。2.根据权利要求1所述方法，其特征在于，所述方法还包括：根据预设的采样策略，从样本超网络中选取训练子网络，得到训练子网络集；所述预设的采样策略包括随机采样，和/或通过预设选取策略采样；所述预设选取策略用于选取网络结构与第二目标网络的网络结构的差异小于预设阈值的子网络；根据所述训练子网络集中的训练子网络训练所述样本超网络，得到更新后的样本超网络；判断训练样本超网络的训练次数是否大于预设的次数阈值；若所述训练样本超网络的训练次数不大于所述预设的次数阈值，则训练所述预设选取策略，得到更新后的预设选取策略，并返回执行所述根据预设的采样策略，从样本超网络中选取训练子网络的步骤。3.根据权利要求2所述方法，其特征在于，所述方法还包括：若所述训练样本超网络的训练次数大于所述预设次数阈值，则将所述更新后的预设选取策略作为所述目标选取策略。4.根据权利要求3所述方法，其特征在于，所述第二目标网络是通过以下步骤得到的：获取所述训练子网络集中各训练子网络的回归准确度；从所述训练子网络集中选取回归准确度高于准确度阈值的训练子网络，作为所述第二目标网络。5.根据权利要求3所述方法，其特征在于，所述第二目标网络是通过以下步骤得到的：获取所述训练子网络集中各训练子网络的回归准确度；根据所述训练子网络集中各训练子网络的回归准确度，得到回归准确度从高到低的子网络序列；选取所述子网络序列中顺序在预设的顺序阈值之前的子网络，作为所述第二目标网络。6.根据权利要求4或5所述方法，其特征在于，所述获取所述训练子网络集中各训练子网络的回归准确度，包括：在所述更新后的样本超网络中，测试得到所述训练子网络集中各训练子网络的回归准确度。7.根据权利要求2-5任一项所述方法，其特征在于，所述训练所述预设选取策略，包括：根据所述第二目标网络的网络结构，得到所述第二目标网络对应的网络编码；将所述第二目标网络对应的网络编码作为训练样本，训练所述预设选取策略。8.根据权利要求2-5任一项所述方法，其特征在于，通过随机采样得到训练子网络的数量，和，通过预设选取策略得到训练子网络的数量，是根据所述训练次数确定的。9.一种图像分类模型生成装置，其特征在于，所述装置包括：第一选取模块，用于根据目标选取策略从超网络中选取目标子网络；所述预设的选取策略用于从超网络中选取与第一目标网络之间的差异小于预设阈值的子网络；所述超网络2CN110414570A权利要求书2/2页包括至少两个子网络；生成模块，用于根据所述目标子网络，生成图像分类模型，所述图像分类模型用于对图像进行分类。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述的方法的步骤。3CN110414570A说明书1/12页图像分类模型生成方法、装置、设备和存储介质技