基于信息熵的细分类识别模型训练、图像识别方法及装置

摘要

本发明提供了一种基于信息熵的细分类识别模型训练、图像识别方法及装置，涉及机器学习技术领域，包括：获取输入图像，并确定所述输入图像的特征向量；根据所述特征向量进行分类，确定所述分类后每个类别的预测值；根据所述预测值以及每个所述类别对应的标签值构建融合损失函数；根据所述融合损失函数对所述细分类识别模型进行训练，以更新所述细分类识别模型的参数。本发明使用神经网络对输入图像进行特征提取和分类。根据分类的预测值与对应标签值构建对偶交叉熵和最大熵损失函数。可在不增加模型复杂度和计算量的情况下，使得分类准确率得到大幅的提升。还可以在保证我类置信度的情况下，让模型在细粒度图像识别的鲁棒性更强。