增强图像分类模型噪声鲁棒性的方法和装置.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CN110070505A(43)申请公布日2019.07.30(21)申请号201910296090.6(22)申请日2019.04.12(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A座316-318(72)发明人赵俊杰(74)专利代理机构北京钲霖知识产权代理有限公司11722代理人李志新李静波(51)Int.Cl.G06T5/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图2页(54)发明名称增强图像分类模型噪声鲁棒性的方法和装置(57)摘要本发明提供了一种增强图像分类模型噪声鲁棒性的方法和装置。其中，增强图像分类模型噪声鲁棒性的方法包括：获取原图步骤，获取原图；获取噪声图步骤，获取在原图基础上带有噪声的噪声图；特征提取步骤，通过图像分类模型，对原图和噪声图进行特征提取，得到原图特征和噪声图特征；损失计算步骤，基于原图特征和噪声图特征，计算原图特征和噪声图特征之间的噪声距离，并计算鲁棒性损失；约束步骤，基于鲁棒性损失，约束原图特征与噪声图特征之间的噪声距离。通过噪声图计算鲁棒性损失，并约束原图和带噪声图特征之间的距离，能够高效的有效增强图像分类模型对噪声的鲁棒性，从而提高图像分类模型的准确性。CN110070505ACN110070505A权利要求书1/2页1.一种增强图像分类模型噪声鲁棒性的方法，其中，包括：获取原图步骤，获取原图；获取噪声图步骤，获取在所述原图基础上带有噪声的噪声图；特征提取步骤，通过图像分类模型，对所述原图和所述噪声图进行特征提取，得到原图特征和噪声图特征；损失计算步骤，基于所述原图特征和所述噪声图特征，计算所述原图特征和所述噪声图特征之间的噪声距离，并计算鲁棒性损失；约束步骤，基于所述鲁棒性损失，约束所述原图特征与所述噪声图特征之间的所述噪声距离，得到训练后的图像分类模型。2.根据权利要求1所述的方法，其中，所述获取噪声图步骤还包括，通过对所述原图进行图像变化，得到所述噪声图。3.根据权利要求2所述的方法，其中，所述图像变化采用平移、旋转、缩放、仿射变换、高斯模糊、运动模糊、椒盐噪声中的一种或多种方式。4.根据权利要求1所述的方法，其中，所述损失计算步骤包括，基于所述原图特征和所述噪声图特征之间的所述噪声距离，选取与所述原图特征之间的所述噪声距离大于预设值的所述噪声图特征作为样本特征、或通过排序选取与所述原图特征之间的所述噪声距离最远的一个或多个噪声图特征作为样本特征，并基于所述样本特征计算所述鲁棒性损失。5.根据权利要求4所述的方法，其中，所述损失计算步骤还包括，根据曼哈顿距离、欧式距离、相对熵或交叉熵计算所述噪声距离。6.根据权利要求1至5任一项的所述的方法，其中，所述损失计算步骤还包括，基于所述原图特征和标准特征之间的标准距离，计算分类损失；所述约束步骤还包括，基于所述分类损失，约束所述原图特征与所述标准特征之间的所述标准距离。7.一种图像分类方法，其中，包括：图像获取步骤，获取待测图像；图像分类步骤，通过图像分类模型对所述待测图像进行分类，所述图像分类模型经过如权利要求1至6中任一项所述的增强图像分类模型噪声鲁棒性的方法训练。8.一种增强图像分类模型噪声鲁棒性的装置，其中，包括：获取原图模块，用于获取原图；获取噪声图模块，用于获取在所述原图基础上带有噪声的噪声图；特征提取模块，用于通过图像分类模型，对所述原图和所述噪声图进行特征提取，得到原图特征和噪声图特征；损失计算模块，用于基于所述原图特征和所述噪声图特征，计算所述原图特征和所述噪声图特征之间的噪声距离，并计算鲁棒性损失；约束模块，用于基于所述鲁棒性损失，约束所述原图特征与所述噪声图特征之间的所述噪声距离，得到训练后的图像分类模型。9.一种图像分类装置，其中，包括：图像获取模块，用于获取待测图像；2CN110070505A权利要求书2/2页图像分类模块，用于通过图像分类模型对待测图像进行分类，所述图像分类模型经过如权利要求1至6中任一项所述的增强图像分类模型噪声鲁棒性的方法训练。10.一种电子设备，其中，所述电子设备包括：存储器，用于存储指令；以及处理器，用于调用所述存储器存储的指令执行如权利要求1至6中任一项所述的增强图像分类模型噪声鲁棒性的方法或如权利要求7所述的图像分类方法。11.一种计算机可读存储介质，其中存储有指令，所述指令被处理器执行时，执行如权利要求1至6中任一项所述的增强图像分类模型噪声鲁棒性的方法或如权利要求7所述的图像分类方法。3CN110070505A说明书1/5页增强图像分类模型噪声鲁棒性的方法和装置技术领域[0001]本发明一般地涉及图像分类领域，特别是涉及增强图像分类模型