[发明专利]一种图像分类方法、装置、设备及存储介质

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入到图像分类模型，得到所述图像分类模型输出的分类结果，所述图像分类模型根据包括特征类别标签的多个训练图像训练得到，所述特征类别标签根据所述训练图像的图像特征确定，且在训练的过程中，所述图像分类模型的罗吉特logit参数的调整量与所述训练图像的分类准确度呈负相关关系，所述logit参数表达所述训练图像属于每个所述特征类别标签对应的特征类别的置信度的相对值；

根据所述分类结果，确定所述目标图像的特征类别。

2.根据权利要求1所述的方法，其特征在于，所述训练图像的分类准确度表示为所述训练图像的特征向量与所述训练图像的特征类别的中心向量之间的夹角的余弦值。

3.根据权利要求1所述的方法，其特征在于，所述训练图像的分类准确度表示为所述训练图像属于对应特征类别标签的特征类别的概率。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述logit参数的调整量还与所述训练图像的特征类别标签对应的样本量呈负相关关系。

5.根据权利要求4所述的方法，其特征在于，所述训练图像还包括对应的样本量类别标签，所述样本量类别标签用于标识所述训练图像的样本量类别，所述样本量类别标签根据所述特征类别标签对应的样本量确定；

所述图像分类模型的logit参数的调整量根据所述样本量类别标签确定。

6.根据权利要求5所述的方法，其特征在于，在训练的过程中，所述方法还包括：

根据所述训练图像的特征类别对应的样本量的大小对所述特征类别进行排序；

根据排序结果将多个训练图像划分为多个样本量类别。

7.根据权利要求1所述的方法，其特征在于，所述图像分类模型的损失函数根据每个训练图像对应的logit参数和所述训练图像对应的权重得到，其中，所述训练图像对应的权重与所述训练图像的特征类别标签对应的样本量呈负相关关系。

8.一种图像分类装置，其特征在于，所述装置包括：

获取单元，用于获取目标图像；

输入单元，用于将所述目标图像输入到图像分类模型，得到所述图像分类模型输出的分类结果，所述图像分类模型根据包括特征类别标签的多个训练图像训练得到，所述特征类别标签根据所述训练图像的图像特征确定，且在训练的过程中，所述图像分类模型的罗吉特logit参数的调整量与所述训练图像的分类准确度呈负相关关系，所述logit参数表达所述训练图像属于每个所述特征类别标签对应的特征类别的置信度的相对值；

确定单元，用于根据所述分类结果，确定所述目标图像的特征类别。

9.根据权利要求8所述的装置，其特征在于，所述训练图像的分类准确度表示为所述训练图像的特征向量与所述训练图像的特征类别的中心向量之间的夹角的余弦值。

10.根据权利要求8所述的装置，其特征在于，所述训练图像的分类准确度表示为所述训练图像属于对应特征类别标签的特征类别的概率。

11.根据权利要求8-10任一项所述的装置，其特征在于，所述logit参数的调整量还与所述训练图像的特征类别标签对应的样本量呈负相关关系。

12.根据权利要求11所述的装置，其特征在于，所述训练图像还包括对应的样本量类别标签，所述样本量类别标签用于标识所述训练图像的样本量类别，所述样本量类别标签根据所述特征类别标签对应的样本量确定；

所述图像分类模型的logit参数的调整量根据所述样本量类别标签确定。