[发明专利]分类模型的生成方法、分类方法、装置、电子设备与介质

权利要求书

1.一种分类模型的生成方法，包括：

获取正样本集和负样本集，所述正样本集中的样本包括第一图像集中的被标注为相似的图像对，并且所述负样本集中的样本包括所述第一图像集中的被标注为不相似的图像对；

基于所述正样本集和所述负样本集训练第一子网络；

构建分类模型，所述分类模型包括第二子网络，并且所述第二子网络的初始权重为所述第一子网络的对应节点的训练后的权重；以及

通过将第二图像集作为训练集，训练所述分类模型，所述第二图像集与所述第一图像集至少共享一部分相同的图像，

其中，所述第二子网络被用于所述分类模型的特征提取部分，

其中，训练所述第一子网络包括：

将Npairs Loss、Triplet Loss或Contrastive Loss作为损失函数；并且

采用有相似度标注的图像训练第一子网络，使得训练后的第一子网络能够识别相似图片。

2.根据权利要求1所述的方法，其中，所述构建分类模型包括：将训练后的第一子网络作为处于初始状态的所述第二子网络，并且将与第一子网络的损失函数不同的损失函数作为所述分类模型的损失函数。

3.根据权利要求1所述的方法，其中，所述第一图像集和所述第二图像集是相同的图像集。

4.根据权利要求1所述的方法，其中，所述第一图像集和所述第二图像集中的每个图像包括事件主体，并且其中，被标注为相似的图像对包括包含相同的事件主体的图像，并且被标注为不相似的图像对包括包含不同事件主体的图像。

5.根据权利要求4所述的方法，其中，所述分类模型被配置成识别不同的事件类型，所述事件类型包括事件主体类型与事件主体状态。

6.根据权利要求5所述的方法，其中，事件主体包括公共设施、公共外观和交通工具中的至少一项，并且事件主体状态包括事件主体违规、事件主体损坏、事件主体丢失和无异常中的至少一项。

7.一种分类方法，包括：

获取待分类图像；以及

基于分类模型对所述待分类图像进行分类以获得输出，

其中，所述分类模型是根据权利要求1-6中任一项所述的生成方法而生成的。

8.根据权利要求7所述的方法，其中，所述输出指示多个可能的目标类型，并且所述输出还包括每个目标类型的相应的置信度。

9.根据权利要求7所述的方法，其中，所述输出指示所述图像中的置信度满足置信度要求的一个或多个目标类型。

10.根据权利要求9所述的方法，其中，所述目标类型是图像中的事件类型。

11.一种分类模型的生成装置，包括：

第一样本获取单元，被配置成获取正样本集和负样本集，所述正样本集中的样本包括第一图像集中的被标注为相似的图像对，并且所述负样本集中的样本包括所述第一图像集中的被标注为不相似的图像对；

第一训练单元，被配置成基于所述正样本集和所述负样本集训练第一子网络；

模型构建单元，被配置成构建分类模型，所述分类模型包括第二子网络，并且所述第二子网络的初始权重为所述第一子网络的对应节点的训练后的权重；以及

第二训练单元，被配置成将第二图像集作为训练集，训练所述分类模型，所述第二图像集与所述第一图像集至少共享一部分相同的图像，

其中，所述第二子网络被用于所述分类模型的特征提取部分，

其中，所述第一训练单元包括用于执行以下操作的单元：

将Npairs Loss、Triplet Loss或Contrastive Loss作为损失函数；并且

采用有相似度标注的图像训练第一子网络，使得训练后的第一子网络能够识别相似图片。