【技术实现步骤摘要】
本申请实施例涉及计算机领域，具体而言，涉及一种基于因果推理的图像分类方法及装置。
技术介绍
1、在相关技术中，传统的图像分类算法在面对复杂多变的实际环境条件下，往往受到误导性的环境因素影响，从而导致图像分类的准确性下降。因此，存在图像分类准确性较低的问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种基于因果推理的图像分类方法及装置，以至少解决相关技术中基于因果推理的图像分类准确性较低的问题。
2、根据本申请的一个实施例，提供了一种基于因果推理的图像分类方法，包括：获取待分类的图像数据；将上述图像数据输入训练好的图像分类模型，其中，上述训练好的图像分类模型是利用样本支持集和样本查询集训练得到的图像分类模型，上述图像分类模型是通过因果推理来进行图像分类的神经网络模型，上述样本支持集是利用多个第一图像数据构建的样本集合，上述样本查询集是利用多个第一图像数据和多个第二图像数据构建的样本集合，上述多个第一图像数据是对多个图像样本数据进行分类后得到的、位于第一环境中的多个图像数据，上述多个第二图像数据是对上述多个图像样本数据进行分类后得到的、位于第二环境中的多个图像数据，上述样本支持集中的图像数据类别，与上述样本查询集中的图像数据类别相同；获取上述训练好的图像分类模型输出的图像分类结果，其中，上述图像分类结果用于表示上述图像数据属于的图像数据类别。
3、根据本申请的另一个实施例，提供了一种基于因果推理的图像分类
4、图像获取单元，用于获取待分类的图像数据；输入单元，用于将上述图像数据输入训练好的图像分类模型，其中，上述训练好的图像分类模型是利用样本支持集和样本查询集训练得到的图像分类模型，上述图像分类模型是通过因果推理来进行图像分类的神经网络模型，上述样本支持集是利用多个第一图像数据构建的样本集合，上述样本查询集是利用多个第一图像数据和多个第二图像数据构建的样本集合，上述多个第一图像数据是对多个图像样本数据进行分类后得到的、位于第一环境中的多个图像数据，上述多个第二图像数据是对上述多个图像样本数据进行分类后得到的、位于第二环境中的多个图像数据，上述样本支持集中的图像数据类别，与上述样本查询集中的图像数据类别相同；第一获取单元，用于获取上述训练好的图像分类模型输出的图像分类结果，其中，上述图像分类结果用于表示上述图像数据属于的图像数据类别。
5、根据本申请的另一个实施例，提供了一种基于因果推理的图像分类模型训练方法，包括：获取多个图像样本数据；对上述多个图像样本数据进行分类，得到位于第一环境中的多个第一图像数据，和位于第二环境中的多个第二图像数据；利用上述多个第一图像数据，构建样本支持集；利用上述多个第一图像数据和上述多个第二图像数据，构建样本查询集，其中，上述样本支持集中的图像数据类别，与上述样本查询集中的图像数据类别相同；通过上述样本支持集和上述样本查询集，对初始的图像分类模型进行训练，得到训练好的图像分类模型，其中，上述图像分类模型是通过因果推理来进行图像分类的神经网络模型。
6、根据本申请的另一个提供了一种基于因果推理的图像分类模型训练装置，包括：第二获取单元，用于获取多个图像样本数据；分类单元，用于对上述多个图像样本数据进行分类，得到位于第一环境中的多个第一图像数据，和位于第二环境中的多个第二图像数据；第一构建单元，用于利用上述多个第一图像数据，构建样本支持集；第二构建单元，用于利用上述多个第一图像数据和上述多个第二图像数据，构建样本查询集，其中，上述样本支持集中的图像数据类别，与上述样本查询集中的图像数据类别相同；训练单元，用于通过上述样本支持集和上述样本查询集，对初始的图像分类模型进行训练，得到训练好的图像分类模型，其中，上述图像分类模型是通过因果推理来进行图像分类的神经网络模型。
7、作为一种可选的方案，上述训练单元，包括：第一更新模块，用于通过上述样本支持集，更新上述初始的图像分类模型中特征提取模块的第一参数，直至满足第一收敛条件，得到更新好的特征提取模块，其中，上述特征提取模块用于捕捉和表示因果特征；第二更新模块，用于通过上述样本查询集，更新上述初始的图像分类模型中图像分类模块的第二参数，直至满足第二收敛条件，得到更新好的图像分类模块，其中，上述图像分类模块用于利用上述因果特征进行图像分类。
8、作为一种可选的方案，上述第一更新模块，包括：第一获取子模块，用于获取使用第一子参数表示当前的特征提取器，和使用第二子参数表示当前的因果分类器，其中，上述第一参数包括上述第一子参数和上述第二子参数，上述特征提取模块包括上述特征提取器和上述因果分类器；第一提取子模块，用于利用上述当前的特征提取器，对上述样本支持集中的图像数据进行特征提取，得到当前的特征向量，其中，上述特征向量包括因果特征；第一分类子模块，用于利用上述当前的因果分类器，对上述当前的特征向量进行分类，得到当前的预测结果；第一衡量子模块，用于通过当前的第一损失函数，衡量上述当前的预测结果与上述样本支持集中的图像数据携带的数据标签之间的差异；第二获取子模块，用于在上述当前的第一损失函数不满足上述第一收敛条件的情况下，获取更新后的第一子参数，和更新后的第二子参数，并将上述更新后的第一子参数表示的特征提取器作为上述当前的特征提取器，和将上述更新后的第二子参数表示的因果分类器作为上述当前的因果分类器；第二提取子模块，用于在上述当前的第一损失函数满足上述第一收敛条件的情况下，将上述当前的特征提取模块确定为上述更新好的特征提取模块。
9、作为一种可选的方案，上述第二更新模块，包括：第三获取子模块，用于获取上述更新好的特征提取模块对上述样本查询集中的图像数据，进行特征提取后得到的样本特征向量；输入子模块，用于将上述样本特征向量输入当前的图像分类模块，得到上述当前的图像分类模块输出的当前分类结果，其中，上述图像分类模块是通过上述第二参数的表示得到的；第二衡量子模块，用于通过当前的第二损失函数，衡量损失当前分类结果与上述样本查询集中的图像数据携带的数据标签之间的差异；第四获取子模块，用于在上述当前的第二损失函数不满足上述第二收敛条件的情况下，获取更新后的第二参数，并将上述更新后的第二参数表示的图像分类模块作为上述当前的图像分类模块；确定子模块，用于在上述当前的第二损失函数满足上述第二收敛条件的情况下，将上述当前的图像分类模块确定为上述更新好的图像分类模块。
10、作为一种可选的方案，上述分类单元，包括：获取模块，用于获取上述多个图像样本数据中的各个图像样本数据对应的多个混淆特征，其中，混淆特征是影响上述图像分类模型泛化能力的特征；训练模块，用于利用上述多个混淆特征，训练得到偏差分类器，其中，上述偏差分类器用于识别和分类由于上述混淆特征而导致的偏差；偏差分类模块，用于利用上述偏差分类器，对上述多个图像样本数据进行分类，得到上述多个第一图像数据，和上述多个第二图像数据。
11、作为一种可本文档来自技高网...
【技术保护点】
1.一种基于因果推理的图像分类方法，其特征在于，包括：
2.一种基于因果推理的图像分类模型训练方法，其特征在于，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述样本支持集和所述样本查询集，对初始的图像分类模型进行训练，得到训练好的图像分类模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过所述样本支持集，更新所述初始的图像分类模型中特征提取模块的第一参数，直至满足第一收敛条件，得到更新好的特征提取模块，包括：
5.根据权利要求3所述的方法，其特征在于，所述通过所述样本查询集，更新所述初始的图像分类模型中图像分类模块的第二参数，直至满足第二收敛条件，得到更新好的图像分类模块，包括：
6.根据权利要求2所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，所述利用所述偏差分类器，对所述多个图像样本数据进行分类，得到所述多个第一图像数据，和所述多个第二图像数据，包括：
8.根据权利要求7所述的方法，其特征在于，所述利用所述偏差分类器，对初始的划分矩阵中的数据分布进
9.根据权利要求7所述的方法，其特征在于，在所述利用所述偏差分类器，对初始的划分矩阵中的数据分布进行优化，得到优化后的划分矩阵的过程中，所述方法还包括：
10.根据权利要求2至9中任一项所述的方法，其特征在于，所述通过所述样本支持集和所述样本查询集，对初始的图像分类模型进行训练，得到训练好的图像分类模型，包括：
11.一种基于因果推理的图像分类装置，其特征在于，包括：
12.一种基于因果推理的图像分类模型训练装置，其特征在于，包括：
13.一种计算机可读存储介质，其特征在于，
14.一种计算机程序产品，包括计算机程序，其特征在于，
15.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，
...【技术特征摘要】
1.一种基于因果推理的图像分类方法，其特征在于，包括：
2.一种基于因果推理的图像分类模型训练方法，其特征在于，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述样本支持集和所述样本查询集，对初始的图像分类模型进行训练，得到训练好的图像分类模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过所述样本支持集，更新所述初始的图像分类模型中特征提取模块的第一参数，直至满足第一收敛条件，得到更新好的特征提取模块，包括：
5.根据权利要求3所述的方法，其特征在于，所述通过所述样本查询集，更新所述初始的图像分类模型中图像分类模块的第二参数，直至满足第二收敛条件，得到更新好的图像分类模块，包括：
6.根据权利要求2所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，所述利用所述偏差分类器，对所述多个图像样本数据进行分类，得到所述多个第一图像数据，和所述多个第二图像数据，包括...
【专利技术属性】
技术研发人员：王雨晴，王超，吴韶华，
申请(专利权)人：苏州元脑智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。