[发明专利]图像识别模型的训练方法、装置、存储介质和电子设备

权利要求书

1.一种图像识别模型的训练方法，其特征在于，所述方法包括：

通过预先训练后的特征提取模型，提取多个第一图像数据中每个第一图像数据的第一图像特征和m个第二图像数据中每个第二图像数据的第二图像特征，所述第一图像数据对应第一标签，所述第一标签用于表征第一图像数据对应的图像分类，其中，m大于1；

采用提取到的每个所述第一图像特征和所述第一标签，对预设的分类预测模型进行训练，生成图像识别模型；

通过所述图像识别模型，获取每个第二图像数据对应的第二标签和所述第二标签对应的置信度；

根据所述置信度，从所述m个第二图像数据中确定n个第三图像数据，其中，n大于1，且，n小于m；

采用确定的所述n个第三图像数据中的每个所述第三图像数据的第三图像特征和每个所述第三图像数据对应的第二标签，对所述图像识别模型进行重训练，以生成目标图像识别模型。

2.根据权利要求1所述的方法，其特征在于，在所述通过预先训练后的特征提取模型，提取多个第一图像数据中每个第一图像数据的第一图像特征和m个第二图像数据中每个第二图像数据的第二图像特征之前，所述方法还包括：

通过多个图像样本组对预设的目标神经网络模型进行训练，生成所述特征提取模型；其中，

所述图像样本组包括：第四图像数据和第四图像数据对应的转换图像数据，所述转换图像数据为对所述第四图像数据进行预设的图像转换处理后所得到的图像数据，所述图像转换处理包括：翻转处理、平移处理、噪声添加处理和色彩变换处理中的至少一种；

通过所述特征提取模型提取到的图像数据的图像特征与通过所述特征提取模型提取到的所述图像数据对应的转换图像数据的图像特征之间的相似度大于预设的相似度阈值。

3.根据权利要求2所述的方法，其特征在于，所述通过多个图像样本组对预设的目标神经网络模型进行训练，生成所述特征提取模型，包括：

将图像样本组输入具备模型参数的所述目标神经网络模型，获取所述第四图像数据的第四图像特征以及所述第四图像数据对应的转换图像数据的转换图像特征，所述图像样本组中的样本为第一图像样本组，所述第一图像样本组为所述多个图像样本组中的任一图像样本组；

获取所述第四图像特征与所述转换图像特征的目标相似度；

在所述目标相似度小于所述相似度阈值的情况下，将所述模型参数的数值由第一参数调整为第二参数；

将图像样本组中的样本更新为第二图像样本组后，重复执行将图像样本组输入具备模型参数的所述目标神经网络模型，直至确定所述目标相似度大于或等于所述相似度阈值，所述第二图像样本组包含的样本与所述第一图像样本组的样本不同或者部分相同；

获取所述目标神经网络模型当前的目标参数；

将具备所述目标参数的所述目标神经网络模型作为所述特征提取模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述置信度，从所述m个第二图像数据中确定n个第三图像数据，包括：

根据所述置信度对所述m个第二图像数据进行排序；

将排序后的所述m个第二图像数据中的前n个所述第二图像数据作为所述n个第三图像数据。

5.根据权利要求1所述的方法，其特征在于，所述图像数据对应的图像分类包括：正常图像、待审核图像以及低俗图像，在所述采用确定的所述n个第三图像数据中的每个所述第三图像数据的第三图像特征和每个所述第三图像数据对应的第二标签，对所述图像识别模型进行重训练，以生成目标图像识别模型之后，所述方法还包括：

将目标图像数据输入所述目标图像识别模型，获取所述目标图像识别模型输出的目标标签；

根据所述目标标签确定所述目标图像数据的图像分类。