[发明专利]图像分类处理方法、装置及存储介质

说明书

本申请提供了一种图像分类处理方法、装置及存储介质，本申请预先训练了多个任务共享的图像分类模型，在需要实现多个任务的图像分类的情况下，可以将多个任务的待分类图像都输入该图像分类模型进行处理，得到各任务所需的分类结果，相对于传统方案将多个任务的待分类图像分别输入相应任务的图像分类模型进行处理的方案，只需要运行一次图像分类模型，大大降低了运行时间，减少了等待时间，提高了用户体验，且由于多任务共享一个图像分类模型，降低了图像分类模型开发、部署及维护成本，对于模型训练所需的训练图像，不需要为每一个训练图像配置所有任务的标注标签，大大减少了人工标注工作量，提高了模型训练效率。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像分类方法、装置及存储介质。

背景技术

图像分类，是根据各自在图像信息中所反映的不同特征，将不同类别的目标区分开来的图像处理方法，在实际应用中，如人脸识别、性别识别、年龄识别等很多种任务中，都会涉及到图像分类处理。现有技术中，针对不同任务，通常会利用各自的深度学习网络，对特定的训练数据进行训练，得到满足相应任务需求的多个图像分类模型。

可见，这种图像分类处理方法，往往无法充分利用图像数据，对于多个任务，需要维护相应的多个图像分类模型，占用运算资源大，导致开发成本高，用户体验不足。

发明内容

有鉴于此，本申请实施例提供一种图像分类处理方法、装置及存储介质，实现了多个任务共享一个图像分类模型，降低了模型开发、部署及维护成本，且多个任务的图像分类只需要运行一次图像分类模型，大大缩短了运行时间，减小了等待反馈时间，提高了用户体验。

为实现上述目的，本申请实施例提供如下技术方案：

一方面，本申请提供了一种图像分类处理方法，所述方法包括：

获取多个任务的图像分类请求，所述图像分类请求携带有所述多个任务的待分类图像，且所述待分类图像携带有相应任务的任务标志位；

解析所述图像分类请求，得到所述多个任务的待分类图像；

将所述多个任务的待分类图像输入图像分类模型，得到所述多个任务各自的分类结果，所述图像分类模型是利用深度学习网络，对携带有同一任务标志位的训练样本进行监督训练得到的，所述训练样本来源于所述多个任务的训练图像，不同任务的训练图像携带有不同的任务标志位；

将所述分类结果反馈至发送相应图像分类请求的客户端进行展示。

可选的，所述训练图像还携带有采样权重，所述图像分类模型的训练过程，包括：

利用每一次训练的训练样本各自的采样权重，更新相应次训练的多个任务的训练样本；

将所述多个任务的训练样本输入深度学习网络，对携带有同一任务标志位的训练样本进行监督训练，直至训练得到的多个任务的训练样本的损失值满足训练约束条件，将最后训练得到的深度学习模型确定为所述多个任务的图像分类模型。

又一方面，本申请提供了一种图像分类处理装置，所述装置包括：

请求获取模块，用于获取多个任务的图像分类请求，所述图像分类请求携带有所述多个任务的待分类图像，且所述待分类图像携带有相应任务的任务标志位；

请求解析模块，用于解析所述图像分类请求，得到所述多个任务的待分类图像；

图像分类模块，用于将所述多个任务的待分类图像输入图像分类模型，得到所述多个任务各自的分类结果，所述图像分类模型是利用深度学习网络，对携带有同一任务标志位的训练样本进行监督训练得到的，所述训练样本来源于所述多个任务的训练图像，不同任务的训练图像携带有不同的任务标志位；