买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种图像分类模型训练方法、图像分类方法、装置及设备，属于计算机视觉技术领域，所述图像分类模型训练方法包括：基于初始图像分类模型，确定当前训练轮次对样本图像数据进行图像分类的样本图像分类结果；根据样本图像分类结果和样本图像数据的标签图像数据，确定当前训练轮次的当前损失值；获取上一训练轮次确定的参考数据；根据当前损失值和参考数据确定最佳模型参数，得到采用最佳模型参数的目标图像分类模型。本发明提高了图像分类模型的模型分类性能、模型稳定性和模型可靠性，从而提高了在边缘设备上完成图像分类的分类效率和图像分类结果的准确性。

主权项：1.一种图像分类模型训练方法，其特征在于，包括：基于初始图像分类模型，确定当前训练轮次对样本图像数据进行图像分类的样本图像分类结果；其中，所述样本图像数据为每类仅有5到10张样本图像的小规模图像数据；所述初始图像分类模型通过对原生shufflenetv2模型进行如下改良得到：将所述原生shufflenetv2模型中Stage2的卷积模块数量从4减为3，将Stage3的卷积模块数量从8减为7，并将Stage4的卷积模块数量从4减为3；采用多层感知机MLP代替所述原生shufflenetv2模型中的全连接层FC；删除所述原生shufflenetv2模型中每一模块内部结构中最后的ReLU激活函数，并用LeakyReLU激活函数取代每一模块内部结构中剩余的ReLU激活函数；根据所述样本图像分类结果和所述样本图像数据的标签图像数据，确定所述当前训练轮次的当前损失值；获取上一训练轮次确定的参考数据；所述参考数据包括最小损失值以及所述最小损失值关联的参考准确率；所述最小损失值是指模型训练过程中最小的训练损失值；根据所述当前损失值和所述参考数据确定最佳模型参数，得到采用所述最佳模型参数的目标图像分类模型；获取所述上一训练轮次的上一损失值；计算所述当前损失值与所述上一损失值之间的第二绝对损失差值；若所述第二绝对损失差值大于第二阈值，则重置计数器的计数值，以重新统计使模型训练趋于稳定的轮次；否则，则更新所述计数值；将所述计数值与第三阈值进行比较，若所述计数值大于或等于第三阈值，则停止模型训练；其中，根据所述当前损失值和所述参考数据确定最佳模型参数，包括：对所述当前损失值进行计数保留处理，得到目标损失值；若所述目标损失值小于或等于所述最小损失值，则将所述当前损失值关联的模型参数作为最佳模型参数，并将所述最小损失值更新为所述当前损失值，将所述参考准确率更新为所述当前损失值关联的当前准确率；否则，则计算所述目标损失值与所述最小损失值之间的第一绝对损失差值；若所述第一绝对损失差值小于或等于第一阈值，且所述当前损失值关联的当前准确率大于或等于所述参考准确率，则将所述当前损失值关联的模型参数作为最佳模型参数，并将所述当前损失值和所述最小损失值之间的平均值作为新的最小损失值，将所述当前准确率和所述参考准确率之间的平均值作为新的参考准确率。

全文数据：

权利要求：

百度查询： 苏州苏映视图像软件科技有限公司 图像分类模型训练方法、图像分类方法、装置及设备