[发明专利]图像分类方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种图像分类方法，其特征在于，包括：

通过类型识别子模型，输出待检测图像为各类型的类别概率；

获取各所述类别概率中的最大类别概率；

若所述最大类别概率大于或等于预设的异常检测阈值，则确定所述最大类别概率对应的目标类型为初始分类结果；

若所述最大类别概率小于所述异常检测阈值，则确定所述初始分类结果为空值；所述空值表示所述待检测图像为所述类别识别子模型不可识别的类型；

将所述待检测图像输入输入数据检测子模型中进行可信度检测，得到所述待检测图像的可信度；所述可信度用于表征所述待检测图像与所述类型识别子模型和所述输入数据检测子模型的训练样本的相似程度；

根据所述可信度对所述初始分类结果进行校验，获得所述待检测图像的目标分类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述可信度对所述初始分类结果进行校验，获得所述待检测图像的目标分类结果，包括：

将所述可信度与预设的可信度阈值进行比较，得到比较结果；

根据所述比较结果对所述初始分类结果进行校验，获得所述待检测图像的目标分类结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所述比较结果对所述初始分类结果进行校验，获得所述待检测图像的目标分类结果，包括：

若所述比较结果为所述可信度大于或等于所述可信度阈值，根据所述初始分类结果确定所述待检测图像的目标分类结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述初始分类结果确定所述待检测图像的目标分类结果，包括：

若所述初始分类结果为目标类型，则将所述初始分类结果确定为所述目标分类结果；

若所述初始分类结果为空值，则将分类模型输出的最大类别概率对应的类型确定为所述目标分类结果。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述比较结果为所述可信度小于所述可信度阈值，则确定所述目标分类结果为空值。

6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

将训练样本集中的样本图像作为初始分类模型的输入，获得所述样本图像的初始可信度，以及所述样本图像为各类型的初始概率；所述训练样本集包含多个样本图像及其对应的样本标签；

基于所述初始可信度和所述样本标签，分别对各所述初始概率进行修正，获得所述样本图像的修正概率；

将所述修正概率以及所述初始可信度代入预设的损失函数，并根据所述损失函数的值对所述初始分类模型的参数进行调整，获得所述分类模型。

7.根据权利要求6所述的方法，其特征在于，所述基于所述初始可信度和所述样本标签，分别对各所述初始概率进行修正，获得所述样本图像的修正概率，包括：

根据样本标签确定各所述初始概率对应的标签值；其中，所述样本标签对应的初始概率的标签值为第一值，其它初始概率的标签值为第二值；

分别将所述初始可信度、所述初始概率及其对应的标签值输入预设公式进行计算，得到所述修正概率。

8.一种图像分类装置，其特征在于，包括：

输入模块，用于通过类型识别子模型，输出待检测图像为各类型的类别概率；获取各所述类别概率中的最大类别概率；若所述最大类别概率大于或等于预设的异常检测阈值，则确定所述最大类别概率对应的目标类型为初始分类结果；若所述最大类别概率小于所述异常检测阈值，则确定所述初始分类结果为空值；所述空值表示所述待检测图像为所述类别识别子模型不可识别的类型；将所述待检测图像输入输入数据检测子模型中进行可信度检测，得到所述待检测图像的可信度；所述可信度用于表征所述待检测图像与所述类型识别子模型和所述输入数据检测子模型的训练样本的相似程度；

校验模块，用于根据所述可信度对所述初始分类结果进行校验，获得所述待检测图像的目标分类结果。