[发明专利]一种图像识别模型泛化能力增强方法、系统及计算机可读存储介质

权利要求书

1.一种图像识别模型泛化能力增强方法，其特征在于，包括：

根据场景对训练图片样本进行分类；

根据训练图片样本的场景类别对所述图像识别模型中与所述场景类别对应的特征层进行训练。

2.如权利要求1所述的图像识别模型泛化能力增强方法，其特征在于，还包括：

根据训练图片样本中不同场景出现的次数来计算各个场景的权重因子。

3.如权利要求2所述的图像识别模型泛化能力增强方法，其特征在于，在训练过程中，根据不同场景的权重因子计算所述图像识别模型的Loss值Loss_总，计算方式如下：

其中，p_i表示第i类场景的权重因子，Loss_i代表第i类场景的所有训练图片样本图片经过计算得到的loss值。

4.如权利要求2所述的图像识别模型泛化能力增强方法，其特征在于，不同场景的权重因子的计算公式如下：

其中，x_i表示第i类场景出现的次数。

5.如权利要求1所述的图像识别模型泛化能力增强方法，其特征在于，根据场景对训练图片样本进行分类之前，包括：

采用带场景标签的训练图片样本进行训练，得到一个场景分类器，所述场景分类器用于对不含场景标签的训练数据进行分类。

6.一种图像识别模型泛化能力增强系统，其特征在于，包括：

样本分分类器，用于根据场景对训练图片样本进行分类；

训练模块，用于根据训练图片样本的场景类别对所述图像识别模型中与所述场景类别对应的特征层进行训练。

7.如权利要求6所述的图像识别模型泛化能力增强系统，其特征在于，还包括：

权重因子计算模块，用于根据训练图片样本中不同场景出现的次数来计算各个场景的权重因子。

8.如权利要求7所述的图像识别模型泛化能力增强系统，其特征在于，Loss计算模块，用于根据不同场景的权重因子计算所述图像识别模型的Loss值Loss_总，计算方式如下：

其中，p_i表示第i类场景的权重因子，loss_i代表第i类场景的所有训练图片样本图片经过计算得到的loss值。

9.如权利要求7所述的p_i表示第i类场景的权重因子图像识别模型泛化能力增强系统，其特征在于，所述权重因子计算模块计算不同场景的权重因子的计算公式如下：

其中，p_i表示第i类场景的权重因子，x_i表示第i类场景出现的次数。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的图像识别模型泛化能力增强方法的步骤。