(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 202211291043.0 (22)申请日 2022.10.21 (71)申请人 苏州浪潮智能科技有限公司 地址 215000 江苏省苏州市吴中区吴中经 济开发区郭巷街道关浦路1号9幢 (72)发明人 张潇澜　李峰　殷涛　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 刘旺贵 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像分类模型的训练方法及装置、 存储介 质、 电子装置 (57)摘要 本申请实施例提供了一种图像分类模型的 训练方法及装置、 存储介质、 电子装置， 其中， 该 方法包括： 通过图像分类模型对应的解码器对图 像分类模型的图像输出数据进行重构， 得到图像 分类模型的重构数据， 其中， 图像输出数据为将 图像输入数据输入到图像分类模型得到的输出 结果， 图像分类模型的训练集包括： 多个图像输 入数据； 确定图像输入数据的第一数据分布和重 构数据的第二数据分布的分布误差值； 根据分布 误差值将图像分类模型的激活函数的第一参数 集合更新为第二参数集合； 对使用第二参数集合 的激活函数所对应的图像分类模 型进行训练。 解 决了为激活函数添加可自适应调整的参数时， 反 向传播过程中参数修正的计算复杂度高， 训练后 的模型性能差等问题。 权利要求书3页 说明书14页 附图7页 CN 115375953 A 2022.11.22 CN 115375953 A 1.一种图像分类模型的训练方法， 其特 征在于， 包括： 通过图像分类模型对应的解码器对所述图像分类模型的图像输出数据进行重构， 得到 所述图像分类模型 的重构数据， 其中， 所述图像输出数据为将图像输入数据输入到所述图 像分类模型 得到的输出 结果， 所述图像分类模型的训练集包括： 多个图像输入数据； 确定所述图像输入数据的第一数据分布和所述重构数据的第二数据分布的分布误差 值； 根据所述分布误差值将所述图像分类模型的激活函数的第一参数集合更新为第二参 数集合； 对使用所述第二 参数集合的激活函数 所对应的所述图像分类模型进行训练。 2.根据权利要求1所述的方法， 其特征在于， 确定所述图像输入数据的第 一数据分布和 所述重构数据的第二数据分布的分布误差值， 包括： 根据目标估计算法对所述图像输入数据进行估计， 得到所述第一数据分布； 根据所述目标估计算法对所述重构数据进行估计， 得到所述第二数据分布； 根据目标损失函数确定所述第一数据分布和所述第二数据分布的分布误差值。 3.根据权利要求2所述的方法， 其特征在于， 根据目标损失函数确定所述第 一数据分布 和所述第二数据分布的分布误差值， 包括： 根据所述目标损失函数确定所述第一数据分布和所述第二数据分布之间的散度值； 将所述散度值确定为所述分布误差值。 4.根据权利要求1所述的方法， 其特征在于， 根据 所述分布误差值将所述图像分类模型 的激活函数的第一 参数集合更新为第二参数集合， 包括： 使用所述图像分类模型对应的目标优化器对所述分布误差值进行梯度 下降计算， 得到 所述第二 参数集合； 将所述激活函数当前使用的第一 参数集合更新为所述第二 参数集合。 5.根据权利要求1所述的方法， 其特征在于， 通过图像分类模型对应的解码器对所述图 像分类模型 的图像输出数据进行重构， 得到所述图像分类模型的重构数据之前， 所述方法 还包括: 确定所述图像分类模型 所采用的编码算法； 确定采用与所述编码算法对应的解码算法的解码器； 将所述采用与所述编码算法对应的解码算法的解码器确定为所述图像分类模型对应 的解码器。 6.根据权利要求5所述的方法， 其特征在于， 通过图像分类模型对应的解码器对所述图 像分类模型的图像输出 数据进行重构， 得到所述图像分类模型的重构数据， 包括： 确定图像分类模型对应的解码器所采用的解码算法和所述图像输出 数据； 根据所述解码器采用的解码算法对所述图像输出数据进行重构， 得到所述图像分类模 型的重构数据。 7.根据权利要求1所述的方法， 其特征在于， 通过图像分类模型对应的解码器对所述图 像分类模型 的图像输出数据进行重构， 得到所述图像分类模型的重构数据之前， 所述方法 还包括: 接收目标对象发送 的指示信息， 其中， 所述指示信息为所述目标对象根据所述图像分权　利　要　求　书 1/3 页 2 CN 115375953 A 2类模型的需求输出 结果确定的信息； 响应于所述指示信息， 从多个激活函数中确定所述图像分类模型对应的激活函数。 8.根据权利要求1所述的方法， 其特征在于， 通过图像分类模型对应的解码器对所述图 像分类模型 的图像输出数据进行重构， 得到所述图像分类模型的重构数据之前， 所述方法 还包括: 获取所述图像分类模型的全部图像输入数据； 将所述全部图像输入数据按照所述图像分类模型的超参数设置进行划分， 得到多组图 像输入数据， 所述多组图像输入数据的每一组图像输入数据中包括的数据数量相同； 从所述多组图像输入数据中的任一组图像输入数据作为所述图像分类模型的图像输 入数据。 9.根据权利要求8所述的方法， 其特征在于， 从所述多组图像输入数据中的任一组图像 输入数据作为所述图像分类模型的图像输入数据之后， 所述方法还 包括: 将所述任一组图像输入数据输入到所述图像分类模型， 得到所述图像输出 数据； 获取所述任一组图像输入数据中按照预设规则已确定的标签数据； 确定所述图像输出数据和所述标签数据的总损失值， 并根据所述总损失值确定所述图 像分类模型的第一权 重值和第一偏移值； 将所述图像分类模型当前采用的第 二权重值更新为所述第 一权重值， 以及将所述图像 分类模型当前采用的第二偏移值更新 为所述第一偏移值。 10.根据权利要求9所述的方法， 其特征在于， 根据所述总损失值确定所述图像分类模 型的第一权 重值和第一偏移值， 包括： 根据所述图像分类模型对应的目标优化器对所述总损失值进行梯度下降计算， 得到所 述图像分类模型的第一权 重值和第一偏移值。 11.根据权利要求9所述的方法， 其特征在于， 确定所述图像输出数据和所述标签数据 的损失值， 包括: 获取所述任一组图像输入数据中每一个图像输入数据对应的图像输出数据， 与所述每 一个图像输入数据对应的标签数据之间的目标损失值； 将所述任一组图像输入数据的目标损失值之和确定为所述图像输出数据和所述标签 数据的损失值。 12.根据权利要求8所述的方法， 其特征在于， 将所述全部图像输入数据按照所述图像 分类模型的超参数设置进行划分， 得到多组图像输入数据之后， 所述方法还 包括: 确定所述多组图像输入数据的输入顺序， 其中， 所述输入顺序为所述多组图像输入数 据输入到所述图像分类模型的顺序； 根据输入顺序依次将所述多组图像输入数据输入到所述图像分类模型。 13.根据权利要求1所述的方法， 其特征在于， 对使用所述第二参数集合的激活函数所 对应的所述图像分类模型进行训练之前， 所述方法还 包括： 获取所述图像分类模型的全部图像输入数据； 对所述全部图像输入数据的像素值进行对齐操作； 对于缺失像素值的图像输入数据的对齐位置设置为统一的目标值。 14.一种图像分类方法， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115375953 A 3