摘要
本申请公开了一种基于机器学习的图像识别模型训练方法、设备及介质,涉及图像识别模型训练领域。方法包括:接收用户输入的指定内容描述信息,并利用语义分割模型提取指定内容描述信息的边界描述特征;其中,指定内容描述信息包含带指定识别内容标注的示例图像、针对示例图像中指定识别内容的文本描述;将边界描述特征作为约束条件注入预设的生成对抗网络,以生成保留边界描述特征的扩展样本图像集;将示例图像与扩展样本图像集输入预设的图像分类检测模型,以提取出扩展样本图像集与示例图像的待处理高维特征向量;根据待处理高维特征向量,向预设的轻量级分类器进行分类权重传参,以获得待应用分类器。
技术关键词
高维特征向量
生成对抗网络
分类器
图像识别模型训练
语义分割模型
样本
计算机可执行指令
预训练模型
类别分布概率
深度卷积神经网络
计算机存储介质
文本
聚类算法
处理器通信
成分分析
格式
系统为您推荐了相关专利信息
问答机器人
知识图谱构建
测试方法
主题
依存句法分析
轻量级人脸检测
时空注意力机制
序列
遮挡物品
模块化技术
识别模型训练方法
预测类别
卷积特征
图像
融合特征
深度学习模型
高维特征向量
图像生成方法
连续色调图像
图像块
行人重识别模型
重识别方法
卷积特征
身份
生成特征