(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 202210298347.3 (22)申请日 2022.03.24 (71)申请人 宝德计算机系统股份有限公司 地址 518110 广东省深圳市龙华区龙华 街 道清湖社区清湖村宝能科技园7栋16 层 (72)发明人 代舜　李瑞杰　吕腾　陈军民　 林乐　许飞扬　彭木兴　陶雪莲　 莫良伟　宋健　王杰　 (74)专利代理 机构 深圳腾文知识产权代理有限 公司 44680 专利代理师 刘洵 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/77(2022.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种图像 分类模型的组合方法、 装置及计算 机存储介质 (57)摘要 本申请公开了一种图像分类模型的组合方 法、 装置及计算机存储介质， 用于提高图像分类 模型的智能化程度。 本申请方法包括： 获取至少 两个已被训练完成的用于图像分类的离线模型； 将第一离线模型及第二离线模型融合为组合模 型； 将第一训练数据集及第二训练数据集输入组 合模型进行训练； 根据第一训练数据集及第二训 练数据集归属第一图像类别及第二图像类别的 概率值以及组合模型的损失函数计算损失值； 判 断损失值是否大于预设阈值； 若损失值小于预设 阈值， 则确定组合模型为融合 成功的目标组合模 型； 将待分类的目标图像输入目标组合模型， 以 使得目标组合模型调用第一图像分类功能或第 二图像分类功能分类目标图像； 获取目标图像的 分类结果。 权利要求书2页 说明书13页 附图5页 CN 114821221 A 2022.07.29 CN 114821221 A 1.一种图像分类模型的组合方法， 其特 征在于， 所述组合方法包括： 获取至少两个已被训练完成的用于图像分类的离线模型； 将第一离线模型及第二离线模型融合 为组合模型； 将第一训练数据集及第 二训练数据集输入所述组合模型进行训练， 所述第 一训练数据 集为所述第一离线模型的训练数据集， 所述第二训练数据集为所述第二离线模型的训练数 据集； 根据所述第一训练数据集及所述第二训练数据集归属第一图像类别及第二图像类别 的概率值以及所述组合模型的损失函数计算损失值； 判断所述损失值是否大于预设阈值； 若所述损 失值小于预设阈值， 则确定所述组合模型为融合成功 的目标组合模型， 所述 目标组合模型包括所述第一离线模型的第一图像分类功 能及所述第二离线模型的第二图 像分类功能； 将待分类的目标图像输入所述目标组合模型， 以使得所述目标组合模型调用所述第 一 图像分类功能或所述第二图像分类功能分类所述目标图像； 获取所述目标图像的分类结果。 2.根据权利要求1所述的组合方法， 其特征在于， 所述将第 一离线模型及第 二离线模型 融合为组合模型包括： 获取第一离线模型的第一模型层， 并获取 所述第一模型层对应的第一 参数； 获取第二离线模型的第二模型层， 并获取 所述第二模型层对应的第二 参数； 根据所述第 一模型层及所述第 二模型层提取目标模型层， 所述目标模型层为所述第 一 模型层及所述第二模型层共用的模型层； 根据所述第一参数及所述第二参数确定所述目标模型层的每一层分别对应的目标参 数； 根据所述目标模型层及所述目标参数将所述第一离线模型及所述第二离线模型融合 为组合模型。 3.根据权利要求1所述的组合方法， 其特征在于， 在所述判断所述损失值是否大于预设 阈值之后， 所述组合方法还 包括： 若所述损 失值大于所述预设阈值， 则根据所述损 失值更新所述组合模型的目标参数， 并将所述第一训练数据集及所述第二训练数据集输入所述组合模型 再次进行训练。 4.根据权利要求1至3中任一项所述的组合方法， 其特征在于， 在所述将第一训练数据 集及第二训练数据集输入所述组合模型进行训练之前， 所述方法还 包括： 获取第一训练数据集及第二训练数据集； 对所述第一训练数据集及所述第二训练数据集做均值消减的归一 化处理； 所述将所述第一训练数集及所述第二训练数集输入所述组合模型 再次进行训练包括： 将归一化处理后的第一训练数据集及第二训练数据集输入所述组合模型再次进行训 练。 5.根据权利要求1至3中任一项所述的组合方法， 其特征在于， 在所述将待分类的目标 图像输入所述目标组合模型之前， 所述组合方法还 包括： 对待分类的目标图像进行预处理， 以使得所述目标图像携带目标标签， 所述目标标签权　利　要　求　书 1/2 页 2 CN 114821221 A 2携带所述第一离线模型或所述第二离线模型的信息； 所述将所述目标图像输入所述目标组合模型， 以使得所述目标组合模型调用所述第 一 分类功能或所述第二分类功能分类所述目标图像包括： 将预处理后的目标图像输入所述目标组合模型， 以使得所述目标组合模型根据 所述目 标标签确定调用所述第一图像分类功能或所述第二图像分类功能分类所述目标图像。 6.根据权利要求1至3中任一项所述的组合方法， 其特征在于， 在所述确定所述组合模 型为融合成功的目标组合模型之后， 所述组合方法还 包括： 通过融合乘子算法压缩所述目标组合模型的模型 大小。 7.根据权利要求6所述的组合方法， 其特征在于， 所述通过融合乘子算法压缩所述目标 组合模型的模型 大小包括： 获取所述目标组合模型的相邻两层目标模型层分别对应的节点； 将第一节点与第二节点相乘得到第三节点， 并删除所述第一节点及所述第二节点， 所 述第一节点 为第一目标模型层的节点， 所述第二节点 为第二目标模型层的节点； 将所述第三节点确定为中间输出结果， 并将所述第 三节点作为下一层神经网络的初始 输入数据。 8.一种图像分类模型的组合装置， 其特 征在于， 所述装置包括： 第一获取 单元， 用于获取至少两个已被训练完成的用于图像分类的离线模型； 融合单元， 用于将第一离线模型及第二离线模型融合 为组合模型； 第一输入单元， 用于将第一训练数据集及第二训练数据集输入所述组合模型进行训 练， 所述第一训练数据集为所述第一离线模型 的训练数据集， 所述第二训练数据集为所述 第二离线模型的训练数据集； 计算单元， 用于根据 所述第一训练数据集及所述第 二训练数据集归属第 一图像类别及 第二图像 类别的概 率值以及所述组合模型的损失函数计算损失值； 判断单元， 用于判断所述损失值是否大于预设阈值； 确定单元， 用于若所述损 失值小于预设阈值， 则确定所述组合模型为融合成功 的目标 组合模型， 所述目标 组合模型包括所述第一离线模型的第一图像分类功能及所述第二离线 模型的第二图像分类功能； 第二输入单元， 用于将待分类的目标图像输入所述目标组合模型， 以使得所述目标组 合模型调用所述第一图像分类功能或所述第二图像分类功能分类所述目标图像； 第二获取 单元， 用于获取 所述目标图像的分类结果。 9.一种模型组合装置， 其特 征在于， 所述装置包括： 处理器、 存储器、 输入输出 单元以及总线； 所述处理器与所述存 储器、 所述输入输出 单元以及所述总线相连； 所述存储器保存有程序， 所述处理器调用所述程序以执行如权利要求1至7中任一项所 述方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质上保存有程序， 所述程序在计 算机上执行时执行如权利要求1至7中任一项所述方法。权　利　要　求　书 2/2 页 3 CN 114821221 A 3