图像分类模型的优化方法及装置、介质、设备与流程

本发明涉及图像处理，尤其是涉及一种图像分类模型的优化方法及装置、介质、设备。

背景技术：

1、随着数字化转型的深入推进，作为与民众息息相关的政务服务业，转型需求越来越迫切，如何利用人工智能等新一代信息技术，高效地实现人脸/行人、卡证、文件印章、签名等分类识别，为政府提供更高效、更智能、更便捷的服务，实现了政务服务的智能化、自动化、人性化，是政务部门的核心诉求。

技术实现思路

1、针对以上至少一个技术问题，本发明实施例提供一种图像分类模型的优化方法及装置、介质、设备。

2、根据第一方面，本发明实施例提供的图像分类模型的优化方法，包括：

3、构建数据集；

4、利用transformer视觉网络和卷积神经网络构建轻量化图像分类模型；

5、利用所述数据集对所述轻量化图像分类模型进行训练，得到训练收敛的轻量化图像分类模型；

6、对训练收敛的轻量化图像分类模型进行压缩处理，得到优化后的图像分类模型。

7、根据第二方面，本发明实施例提供的图像分类模型的优化装置，包括：

8、数据集构建模块，用于构建数据集；

9、模型构建模块，用于利用transformer视觉网络和卷积神经网络构建轻量化图像分类模型；

10、模型训练模块，用于利用所述数据集对所述轻量化图像分类模型进行训练，得到训练收敛的轻量化图像分类模型；

11、模型压缩模块，用于对训练收敛的轻量化图像分类模型进行压缩处理，得到优化后的图像分类模型。

12、根据第三方面，本发明实施例提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现第一方面提供的方法。

13、根据第四方面，本发明实施例提供的计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的方法。

14、本发明实施例提供的图像分类模型的优化方法及装置、介质、设备，首先，构建数据集；利用transformer视觉网络和卷积神经网络构建轻量化图像分类模型；利用所述数据集对所述轻量化图像分类模型进行训练，得到训练收敛的轻量化图像分类模型；对训练收敛的轻量化图像分类模型进行压缩处理，得到优化后的图像分类模型。由于将transformer视觉网络和cnn进行结合，从而构建轻量化图像分类网络，可以层次化提取图像局部和全局特征，而且由于对训练收敛的模型进行压缩处理，减小模型体积，节省计算资源，为后续模型在智慧政务等领域进行快速和高效的部署应用提供可能，即可以有效地在资源有限的边缘端计算设备上成功部署并投入到政务场景中，提升图像分类速度及边缘部署效率。

技术特征：

1.一种图像分类模型的优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述轻量化图像分类模型包括：神经网络卷积层、线性映射序列化层、transformer视觉网络、深度可分离卷积模块、全局池化层和全连接层，其中：

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，所述对训练收敛的轻量化图像分类模型进行压缩处理，得到优化后的图像分类模型，包括：

5.根据权利要求1所述的方法，其特征在于，所述构建数据集，包括：

6.根据权利要求1所述的方法，其特征在于，在优化后的图像分类模型的应用场景中，在所述图像分类模型中引入一个结构重参数混合器，使用结构重新参数化以移除所述图像分类模型中的跳跃连接和线性过参数化。

7.一种图像分类模型的优化装置，其特征在于，包括：

8.根据权利要求7所述的装置，其特征在于，所述模型压缩模块包括：

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现实现权利要求1～6中的任一项所述的方法。

10.一种计算设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1～6中的任一项所述的方法。

技术总结
本发明实施例提供一种图像分类模型的优化方法及装置、介质、设备。方法包括：构建数据集；利用Transformer视觉网络和卷积神经网络构建轻量化图像分类模型；利用所述数据集对所述轻量化图像分类模型进行训练，得到训练收敛的轻量化图像分类模型；对训练收敛的轻量化图像分类模型进行压缩处理，得到优化后的图像分类模型。本发明实施例可以有效地在资源有限的边缘端计算设备上成功部署并投入到政务场景中，提升图像分类速度及边缘部署效率。

技术研发人员：杨彤,李雪,段强,姜凯
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：
技术公布日：2024/1/13