[发明专利]一种图片分类模型训练方法、装置、介质及电子设备

权利要求书

1.一种图片分类模型训练方法，其特征在于，包括：

确定实际图片；

根据所述实际图片，生成图片质量与所述实际图片的图片质量不同的图片，作为衍生图片；

将所述衍生图片输入预先训练的第一模型，得到所述第一模型输出的所述衍生图片的图片质量；

提取所述实际图片的特征以及所述衍生图片的特征，根据所述实际图片的特征和所述衍生图片的特征，确定所述实际图片与所述衍生图片的共性特征，并建立所述共性特征与所述第一模型输出的所述衍生图片的图片质量之间的对应关系；

以所述实际图片和所述对应关系作为输入，以所述实际图片的图片质量作为标注，对待训练的图片分类模型进行训练，所述图片分类模型用于确定输入图片的图片质量，并根据输入图片的图片质量对输入图片进行分类。

2.根据权利要求1所述的方法，其特征在于，根据所述实际图片，生成图片质量与所述实际图片的图片质量不同的图片，具体包括：

根据所述实际图片以及设定的图片质量标签，生成满足所述图片质量标签要求的图片。

3.根据权利要求2所述的方法，其特征在于，预先训练第一模型，具体包括：

以所述衍生图片作为输入，以图片质量标签为标注，对所述第一模型进行训练。

4.根据权利要求1所述的方法，其特征在于，根据所述实际图片的特征和所述衍生图片的特征，确定所述实际图片与所述衍生图片的共性特征，具体包括：

将所述实际图片的特征和所述衍生图片的特征输入预先训练的第二模型，得到所述第二模型的特征抽取层输出的特征，作为所述实际图片与所述衍生图片的共性特征。

5.根据权利要求4所述的方法，其特征在于，所述第二模型用于识别输入所述第二模型的图片的生成类型，所述生成类型包括实际图片的类型和衍生图片的类型；

预先训练第二模型，具体包括：

将所述实际图片和所述衍生图片输入待训练的第二模型，根据所述待训练的第二模型的识别误差，训练所述第二模型。

6.根据权利要求5所述的图片分类模型训练方法，其特征在于，所述第二模型中包含输入层、特征抽取层、输出层和梯度反转层；

将所述实际图片和所述衍生图片输入待训练的第二模型，根据所述待训练的第二模型的识别误差，训练所述第二模型，具体包括：

将所述实际图片和所述衍生图片作为样本输入所述输入层，得到所述输入层输出的特征；将所述输入层输出的特征输入所述特征抽取层，得到所述特征抽取层输出的特征；将所述特征抽取层输出的特征输入所述输出层，得到所述输出层输出的生成类型；

根据所述输出层输出的生成类型以及所述样本的实际生成类型，确定识别误差；

根据所述识别误差确定所述识别误差的梯度；

将所述梯度输入所述梯度反转层，得到所述梯度反转层输出的反向梯度；

基于反向传播法，将所述反向梯度传播至所述输入层、所述特征抽取层、所述输出层；

以所述识别误差最小化为训练目标，根据反向传播的反向梯度，调整所述输入层、所述特征抽取层、所述输出层中的模型参数。

7.根据权利要求1所述的图片分类模型训练方法，其特征在于，所述方法还包括：

当待识别图片输入到训练得到的所述图片分类模型中时，确定所述待识别图片的图片质量；

根据所述待识别图片的图片质量，对所述待识别图片进行分类。