[发明专利]图像分类模型训练方法、图像分类方法、装置及电子设备

权利要求书

1.一种图像分类模型训练方法，其特征在于，包括：

确定可逆向输出的可逆神经网络架构；

利用训练数据集中的待分类图像，训练所述可逆神经网络架构得到图像分类模型，以用于输出待分类图像的图像分类结果，基于所述图像分类结果输出重建的源输入图像。

2.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述确定可逆向输出的可逆神经网络架构，包括：

分别确定编码器和解码器中各个网络层之间的连接权重值；

基于所述编码器、所述解码器及所述连接权重值，确定所述可逆神经网络架构。

3.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述确定可逆向输出的可逆神经网络架构，包括：

确定可逆的权重矩阵和具有严格单调性的激活函数；

基于所述权重矩阵和所述激活函数，确定所述可逆神经网络架构。

4.根据权利要求1所述的图像分类模型训练方法，其特征在于，所述确定可逆向输出的可逆神经网络架构，包括：

确定双向传输信息的神经元；

利用所述神经元确定所述可逆神经网络架构。

5.一种基于图像分类模型的图像分类方法，其特征在于，所述图像分类模型是使用权利要求1至4任一项所述的图像分类模型训练方法得到的模型，包括：

获取待分类图像；

将所述待分类图像输入所述图像分类模型，输出图像分类结果。

6.根据权利要求5所述的基于图像分类模型的图像分类方法，其特征在于，在所述输出图像分类结果之后，所述方法还包括：

将所述图像分类结果输入所述图像分类模型，输出重建的源输入图像。

7.一种图像分类模型训练装置，其特征在于，包括：

确定模块，用于确定可逆向输出的可逆神经网络架构；

训练模块，用于利用训练数据集中的待分类图像，训练所述可逆神经网络架构得到图像分类模型，以用于输出待分类图像的图像分类结果，基于所述图像分类结果输出重建的源输入图像。

8.一种基于图像分类模型的图像分类装置，其特征在于，所述图像分类模型是使用权利要求1至4任一项所述的图像分类模型训练方法得到的模型，包括：

获取模块，用于获取待分类图像；

输出模块，用于将所述待分类图像输入所述图像分类模型，输出图像分类结果。

9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-4任意一项所述的图像分类模型训练方法；或，

所述处理器执行所述计算机程序指令时实现如权利要求5或6所述的基于图像分类模型的图像分类方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-4任意一项所述的图像分类模型训练方法；或，

所述处理器执行所述计算机程序指令时实现如权利要求5或6所述的基于图像分类模型的图像分类方法。