[发明专利]一种图像可信度的确定方法、装置及电子设备、存储介质

权利要求书

1.一种图像可信度的确定方法，其特征在于，所述方法包括：

通过图像分类模型中的各个网络层对样本图像进行图像分类处理，所述各个网络层包括分类计算层和防过拟合层；

基于所述分类计算层的输出结果确定所述样本图像属于各个图像类别的预测概率；

获取所述防过拟合层输出的所述样本图像对应的特征图像；

识别所述特征图像，并基于识别结果确定所述特征图像对应的第一特征参数和第二特征参数；

基于所述第一特征参数和所述第二特征参数确定所述样本图像属于所述各个图像类别的计算概率；

分别确定所述各个图像类别下的所述预测概率和所述计算概率之间的相似度，并基于所述各个图像类别下的所述相似度确定所述样本图像的可信度。

2.根据权利要求1所述的方法，其特征在于，所述识别结果包括所述特征图像的大小和所述特征图像中每一个特征点的值，所述基于识别结果确定所述特征图像对应的第一特征参数和第二特征参数，包括：

对所述特征图像中每一个特征点的值进行求和计算，并基于求和计算结果和所述特征图像的大小确定所述特征图像对应的第一特征参数；

确定每一个特征点的值与所述第一特征参数之间的差值；

对每一个所述差值进行求和计算，并基于针对所述差值的求和计算结果和所述特征图像的大小确定所述特征图像对应的第二特征参数。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一特征参数和所述第二特征参数确定所述样本图像属于所述各个图像类别的计算概率，包括：

基于预设概率算法对所述第一特征参数和所述第二特征参数进行计算，确定所述样本图像属于所述各个图像类别的初始概率；

对各个所述初始概率进行归一化处理，得到所述样本图像属于所述各个图像类别的计算概率。

4.根据权利要求1所述的方法，其特征在于，所述确定所述样本图像的可信度之后，所述方法还包括：

获取用于对所述图像分类模型进行训练的多个样本图像的可信度；

基于所述多个样本图像的可信度，确定通过所述多个样本图像进行训练后得到的图像分类模型的可信度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述各个图像类别下的所述相似度确定所述样本图像的可信度之后，所述方法还包括：

将所述样本图像的可信度与第一可信度阈值进行对比；

若对比得到所述样本图像的可信度大于所述第一可信度阈值，则对所述样本图像添加可信样本标签。

6.根据权利要求5所述的方法，其特征在于，所述将所述样本图像的可信度与第一可信度阈值进行对比之后，所述方法还包括：

若对比得到所述样本图像的可信度小于或者等于所述第一可信度阈值，则将所述样本图像的可信度与第二可信度阈值进行对比；

若对比得到所述样本图像的可信度大于所述第二可信度阈值，则对所述样本图像添加待复核样本标签，并输出复核提示信息，所述复核提示信息用于提示用户针对所述样本图像进行复核；

若对比得到所述样本图像的可信度小于或者等于所述第二可信度阈值，则将所述样本图像从样本图像集合中删除。

7.根据权利要求1所述的方法，其特征在于，所述各个网络层还包括第一分类层和第二分类层，所述第一分类层用于确定所述样本图像所属的第一粒度的图像类别，所述第二分类层用于确定所述样本图像所属的第二粒度的图像类别，所述第一粒度粗于所述第二粒度，所述通过图像分类模型中的各个网络层对样本图像进行图像分类处理之后，所述方法还包括：

基于所述第一分类层输出的针对所述样本图像的分类结果和所述第二分类层输出的针对所述样本图像的分类结果，确定所述样本图像所属的目标图像类别。