(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111626132.1 (22)申请日 2021.12.28 (71)申请人 深圳云天励飞技 术股份有限公司 地址 518000 广东省深圳市龙岗区园山 街 道龙岗大道8288号深圳大运软件小镇 17栋1楼 (72)发明人 李帅杰　魏新明　肖嵘　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 陈刚 (51)Int.Cl. G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 图像分类方法、 装置、 设备及存 储介质 (57)摘要 本申请是关于一种图像分类方法、 装置、 设 备及存储介质， 具体涉及图像识别领域。 所述方 法包括： 获取训练样本图像； 通过目标分类模型 对训练样 本图像进行处理， 获得训练样本图像对 应的输出值根据训练样本图像的输出值 以及训 练样本图像的标签值， 获取第一损失函数值； 根 据目标分类模型中至少两类全连接层的参数分 别归一化后的内积， 获取第二损失函数值； 基于 第一损失函数值 以及第二损失函数值对目标分 类模型进行更新， 以便更新后的目标分类模型对 输入的目标图像进行分类处理。 上述方案提高了 不同全连接层的参数的区分度， 从而提高了不同 全连接层对训练样本图像进行特征提取时的区 分度， 提高了图像分类的准确性。 权利要求书2页 说明书13页 附图6页 CN 114529750 A 2022.05.24 CN 114529750 A 1.一种图像分类方法， 其特 征在于， 所述方法包括： 获取训练样本图像； 通过目标分类模型对所述训练样本图像进行处理， 获得所述训练样本图像对应的输出 值； 根据所述训练样本图像的输出值以及所述训练样本图像的标签值， 获取第 一损失函数 值； 根据所述目标分类模型中至少两类全连接层的参数分别归一化后的内积， 获取所述第 二损失函数值； 基于所述第 一损失函数值以及第 二损失函数值对所述目标分类模型进行更新， 以便更 新后的所述目标分类模型对输入的目标图像进行分类处 理。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述第 一损失函数值以及第 二损 失函数值对所述目标分类模型进行 更新， 包括： 将第一损失函数值以及第二损失函数值进行加权， 获得目标损失函数值； 根据所述目标损失函数值， 对所述目标分类模型进行反向传播更新。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述目标分类模型中至少两类全 连接层的参数分别归一 化后的内积， 获取 所述第二损失函数值， 包括： 获取2M类全连接层的参数， 并将各类的全连接层的参数进行归一化处理， 以构建2M类 的全连接层分别对应的归一 化向量； 选取M类的全连接层所对应的归一化向量， 分别与剩余M类的全连接层所对应的归一化 向量作内积， 并将内积结果构建为内积矩阵； 将所述内积矩阵线性变换为目标矩阵； 所述目标矩阵的列数为所述目标分类模型一个 训练批次中的训练样本数； 将所述目标矩阵中的各个元素按列累加， 并将累加结果确定为所述目标分类模型的一 个训练批次中， 与各个所述训练样本图像所对应的第二损失函数值。 4.根据权利要求1至 3任一所述的方法， 其特 征在于， 所述获取训练样本图像， 包括： 获取目标样本图像； 对所述目标样本 图像进行数据增强处理， 获得所述训练样本 图像； 所述数据增强处理 包括旋转、 平 移、 裁剪、 翻转、 覆盖中的至少一个操作。 5.根据权利要求4所述的方法， 其特征在于， 所述对所述目标样本图像进行数据增强处 理， 获得所述训练样本图像， 包括： 对所述目标样本图像进行 数据增强处 理， 获得增强样本图像； 将所述增强样本图像转换至目标 大小， 并进行归一 化处理， 获得所述训练样本图像。 6.一种图像分类方法， 其特 征在于， 所述方法包括： 获取目标图像； 通过目标分类模型对目标图像进行处 理， 获得所述目标图像的分类结果； 其中， 所述目标分类模型是基于第一损失函数值以及第二损失函数值进行更新得到 的； 所述第一损失函数值是根据所述目标分类模型对训练样本图像进行处理得到的输出 值， 以及所述训练样本图像的标签值得到的； 所述第二损失函数值是根据所述目标分类模 型中至少两类全连接层的参数分别归一 化后的内积得到的。权　利　要　求　书 1/2 页 2 CN 114529750 A 27.一种图像分类装置， 其特 征在于， 所述装置包括： 样本获取模块， 用于获取训练样本图像； 样本图像处理模块， 用于通过目标分类模型对所述训练样本 图像进行处理， 获得所述 训练样本图像对应的输出值； 第一损失函数值获取模块， 用于根据 所述训练样本图像的输出值以及所述训练样本图 像的标签值， 获取第一损失函数值； 第二损失函数值获取模块， 用于根据 所述目标分类模型中至少两类全连接层的参数分 别归一化后的内积， 获取 所述第二损失函数值； 模型更新模块， 用于基于所述第 一损失函数值以及第 二损失函数值对所述目标分类模 型进行更新， 以便更新后的所述目标分类模型对输入的目标图像进行分类处 理。 8.一种图像分类装置， 其特 征在于， 所述装置包括： 目标图像获取模块， 用于获取目标图像； 目标图像处理模块， 用于通过目标分类模型对目标图像进行处理， 获得所述目标图像 的分类结果； 其中， 所述目标分类模型是基于第一损失函数值以及第二损失函数值进行更新得到 的； 所述第一损失函数值是根据所述目标分类模型对训练样本图像进行处理得到的输出 值， 以及所述训练样本图像的标签值得到的； 所述第二损失函数值是根据所述目标分类模 型中至少两类全连接层的参数分别归一 化后的内积得到的。 9.一种计算机设备， 其特征在于， 所述计算机设备中包含处理器和存储器， 所述存储器 中存储有至少一条指令、 至少一段程序、 代码集或指令集， 所述至少一条指令、 至少一段程 序、 代码集或指令集由处理器加载并执行以实现如权利要求1至6任一所述的图像分类方 法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质中存储有至少一条指令， 所 述至少一条指令由处 理器加载并执 行以如权利要求1至 6任一所述的图像分类方法。权　利　要　求　书 2/2 页 3 CN 114529750 A 3