(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 202211202259.5 (22)申请日 2022.09.29 (71)申请人 昆仑芯 （北京） 科技有限公司 地址 100086 北京市海淀区上地十街10号 百度大厦 (72)发明人 李朝林　王志鹏　张凡　王国亚　 王勇　欧阳剑　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 岳晓萍 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/42(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06N 20/00(2019.01) (54)发明名称 图像分类模型的训练及图像分类方法、 装 置、 设备及 介质 (57)摘要 本公开提供了图像分类模型的训练及图像 分类方法、 装置、 设备及介质， 涉及人工智能领 域， 尤其涉及深度学习领域。 具体实现方案为： 获 取目标图像格式的训练图像集， 并根据与训练图 像集匹配的关键频段， 构建用于滤除关键频段内 所有信号的旁路模块； 在待训练的图像 分类模型 中， 识别至少一个低维图像特征提取层， 并在至 少一个低维图像特征提取层的输出端并接所述 旁路模块， 得到改进模型； 使用训练图像集对改 进模型进行训练， 并去除训练完成的改进模型中 并接的各旁路模块， 得到目标图像分类模型， 以 扩展目标图像 分类模型所适配的图像格式。 通过 本公开的技术方案可以提高图像分类模型的鲁 棒性。 权利要求书3页 说明书12页 附图6页 CN 115410048 A 2022.11.29 CN 115410048 A 1.一种图像分类模型的训练方法， 包括： 获取目标图像格式的训练图像集， 并根据与所述训练图像集匹配的关键频段， 构建用 于滤除所述关键频 段内所有信号的旁路模块； 在待训练的图像分类模型中， 识别至少一个低维图像特征提取层， 并在所述至少一个 低维图像特 征提取层的输出端并接所述旁路模块， 得到改进模型； 使用所述训练图像集对所述改进模型进行训练， 并去除训练完成的所述改进模型中并 接的各旁路模块， 得到目标图像分类模型， 以扩展所述 目标图像分类模型所适配的图像格 式。 2.根据权利要求1所述的方法， 在根据与 所述训练图像集匹配的关键频段， 构建用于滤 除所述关键频 段内所有信号的旁路模块之前， 还 包括： 对所述训练图像集中的每个训练图像进行时域转频域处理， 获取与每个所述训练图像 分别对应的频 段， 并获取与每 个频段分别对应的起始频点和终止频点； 对各所述起始频点进行聚类处理， 获取最大起始频点聚类簇， 并对各所述终止频点进 行聚类处 理， 获取最大终止频点聚类簇； 根据所述最大起始频点聚类簇的聚类中心， 以及所述最大终止频点聚类簇的聚类中 心， 确定与所述训练图像集匹配的关键频 段。 3.根据权利要求1所述的方法， 其中， 根据与所述训练图像集匹配的关键频段， 构建用 于滤除所述关键频 段内所有信号的旁路模块， 包括： 获取标准分支模块， 其中， 所述标准分支模块包括顺序相连的时域转频域单元、 滤波单 元和频域 转时域单 元； 根据所述关键频段确定缺陷频段， 并按照所述缺陷频段设置所述滤波单元的中心频率 和截止频率， 以构建用于滤除所述关键频 段内所有信号的旁路模块。 4.根据权利要求1所述的方法， 其中， 在所述至少一个低维图像特征提取层的输出端并 接所述旁路模块， 得到改进模型， 包括： 在待训练的图像分类模型中的每个低维特征提取层的输出端分别接入所述旁路模块 和特征合并模块； 其中， 所述特征合并模块用于将每个低维特征提取层的输出特征与每个低维特征提取 层所接入的所述旁路模块的输出 特征进行合并后输出； 去除训练完成的所述改进模型中并接的各 旁路模块， 包括： 去除训练完成的所述改进模型中并接的各 旁路模块以及各 特征合并模块。 5.根据权利要求1 ‑4任一项所述的方法， 其中， 使用所述训练图像集对所述改进模型进 行训练， 包括： 将所述训练图像集中的当前训练图像输入至所述改进模型中； 通过所述低维特征提取层对所输入的图像特征进行低维时域特征提取， 并将提取的低 维时域特 征分别输入至所接入的所述旁路模块和所述特 征合并模块中； 通过所述旁路模块中的时频转域单元对输入的所述低维时域特征进行时域转频域处 理， 得到低维频域特 征； 通过所述旁路模块中的滤波单元， 对输入的所述低维频域特征进行滤波处理， 得到频 域滤波结果；权　利　要　求　书 1/3 页 2 CN 115410048 A 2通过所述旁路模块中的频域转 时域单元， 对输入的所述频域滤波结果进行频域转 时域 处理， 得到时域滤波特 征； 通过所述特征合并模块将输入的所述低维时域特征和所述时域滤波特征进行特征合 并后输出。 6.一种图像分类方法， 包括： 获取第一图像格式的待分类图像， 并将所述待分类图像输入至预先训练 的目标图像分 类模型中； 其中， 所述目标图像分类模型使用第 二图像格式的训练图像集对改进模型进行模型训 练后得到， 所述改进模型根据与所述训练图像集匹配的关键频段所构建的用于滤除关键频 段内所有信号的旁路模块构建得到； 获取所述目标图像分类模型输出的， 与所述待分类图像匹配的图像分类结果。 7.一种图像分类模型的训练装置， 包括： 旁路模块构建模块， 用于获取目标图像格式的训练图像集， 并根据与所述训练图像集 匹配的关键频 段， 构建用于滤除所述关键频 段内所有信号的旁路模块； 改进模型构建模块， 用于在待训练的图像分类模型中， 识别至少一个低维图像特征提 取层， 并在所述至少一个低维图像特 征提取层的输出端并接所述旁路模块， 得到改进模型； 目标模型获取模块， 用于使用所述训练图像集对所述改进模型进行训练， 并去 除训练 完成的所述改进模型中并接的各旁路模块， 得到目标图像分类模型， 以扩展所述 目标图像 分类模型 所适配的图像 格式。 8.根据权利要求7 所述的装置， 还 包括： 关键频段获取模块， 用于在根据与所述训练图像集匹配的关键频段， 构建用于滤除所 述关键频段内所有信号的旁路模块之前， 对所述训练图像集中的每个训练图像进 行时域转 频域处理， 获取与每个所述训练图像分别对应的频段， 并获取与每个频段分别对应的起始 频点和终止频点； 对各所述起始频点进行聚类处理， 获取最大起始频点聚类簇， 并对各所述终止频点进 行聚类处 理， 获取最大终止频点聚类簇； 根据所述最大起始频点聚类簇的聚类中心， 以及所述最大终止频点聚类簇的聚类中 心， 确定与所述训练图像集匹配的关键频 段。 9.根据权利要求7 所述的装置， 其中， 旁路模块构建模块， 具体用于： 获取标准分支模块， 其中， 所述标准分支模块包括顺序相连的时域转频域单元、 滤波单 元和频域 转时域单 元； 根据所述关键频段确定缺陷频段， 并按照所述缺陷频段设置所述滤波单元的中心频率 和截止频率， 以构建用于滤除所述关键频 段内所有信号的旁路模块。 10.根据权利要求7 所述的装置， 其中， 改进模型构建模块， 具体用于： 在待训练的图像分类模型中的每个低维特征提取层的输出端分别接入所述旁路模块 和特征合并模块； 其中， 所述特征合并模块用于将每个低维特征提取层的输出特征与每个低维特征提取 层所接入的所述旁路模块的输出 特征进行合并后输出； 目标模型获取模块， 具体用于： 去 除训练完成的所述改进模型中并接的各旁路模块以权　利　要　求　书 2/3 页 3 CN 115410048 A 3