[发明专利]图像分类模型训练、图像分类方法及相关装置

权利要求书

1.一种图像分类模型训练方法，包括：

对样本图像集中的样本图像，按批次的执行标准批归一化操作，得到对应批次的所有样本图像在不同特征通道上的全局归一化参数；

对所述样本图像集中的样本图像，按单张分别执行自适应归一化操作，得到每张所述样本图像分别在不同特征通道上的局部归一化参数；

融合每张所述样本图像的全局归一化参数和所述局部归一化参数，得到每张所述样本图像的融合后归一化参数；

利用预设的调节系数学习层输出与每张所述样本图像的融合后归一化参数对应的实际调节系数；其中，所述调节系数学习层用于表征融合后归一化参数与调节系数之间的对应关系；

利用与每张所述样本图像对应的实际调节系数，对相应的样本图像的全局归一化参数进行修正，得到目标归一化参数；

基于经所述目标归一化参数处理后的样本图像，训练得到图像分类模型；

训练得到所述调节系数学习层的方法包括：

将每张所述样本图像的融合后归一化参数作为输入、相应的图像所属类别作为输出，训练得到表征融合后归一化参数与图像所属类别之间对应关系的第一学习层；

将每张所述样本图像的图像所属类别作为输入、预期的调节系数作为输出，训练得到表征图像所属类别与调节系数之间对应关系的第二学习层；

将所述第一学习层和所述第二学习层以所述图像所述类别作为重合点，学习到表征所述融合后归一化参数与所述调节系数之间对应关系的调节系数学习层。

2.根据权利要求1所述的方法，其中，所述融合每张所述样本图像的全局归一化参数和所述局部归一化参数，得到每张所述样本图像的融合后归一化参数，包括：

确定与每张所述样本图像的全局归一化参数对应的第一权值；

确定与每张所述样本图像的局部归一化参数对应的第二权值；

根据经所述第一权值加权后的全局归一化参数、经所述第二权值加权后的局部归一化参数，得到每张所述样本图像的融合后归一化参数。

3.根据权利要求2所述的方法，还包括：

根据所述样本图像对应的图像内容复杂度，调整所述第一权值和所述第二权值的相对大小。

4.根据权利要求1-3任一项所述的方法，还包括：

将上一批次的样本图像的全局归一化参数，作为计算下一批次的样本图像的全局归一化参数的基础参数。

5.一种图像分类方法，包括：

获取待分类图像；

调用图像分类模型确定所述待分类图像的所属类别；其中，所述图像分类模型根据权利要求1-4中任一项所述的图像分类模型训练方法得到。

6.一种图像分类模型训练装置，包括：

标准批归一化执行单元，被配置成对样本图像集中的样本图像，按批次的执行标准批归一化操作，得到对应批次的所有样本图像在不同特征通道上的全局归一化参数；

自适应批归一化执行单元，被配置成对所述样本图像集中的样本图像，按单张分别执行自适应归一化操作，得到每张所述样本图像分别在不同特征通道上的局部归一化参数；

目标归一化参数确定单元，被配置成融合每张所述样本图像的全局归一化参数和所述局部归一化参数，得到每张所述样本图像的融合后归一化参数；利用预设的调节系数学习层输出与每张所述样本图像的融合后归一化参数对应的实际调节系数；其中，所述调节系数学习层用于表征融合后归一化参数与调节系数之间的对应关系；利用与每张所述样本图像对应的实际调节系数，对相应的样本图像的全局归一化参数进行修正，得到目标归一化参数；

图像分类模型训练单元，被配置成基于经所述目标归一化参数处理后的样本图像，训练得到图像分类模型；

调节系数学习层训练单元，被配置将每张所述样本图像的融合后归一化参数作为输入、相应的图像所属类别作为输出，训练得到表征融合后归一化参数与图像所属类别之间对应关系的第一学习层；将每张所述样本图像的图像所属类别作为输入、预期的调节系数作为输出，训练得到表征图像所属类别与调节系数之间对应关系的第二学习层；将所述第一学习层和所述第二学习层以所述图像所述类别作为重合点，学习到表征所述融合后归一化参数与所述调节系数之间对应关系的调节系数学习层。