多分类识别方法、装置、设备以及介质与流程

本技术涉及人工智能领域以及数字医疗领域，尤其涉及一种多分类识别方法、装置、设备以及介质。

背景技术：

1、多分类识别是人工智能领域重要的分支，例如多分类识别在医疗领域中涉及有癌症类型、器官部位、病理类型、病变程度等分类任务，多分类识别能够帮忙医疗人员对医疗数据进行更加准确的分析和诊断，为医疗辅助诊断提供有力支持。

2、在多分类识别中，通常需要利用大量数据进行学习，即便如此，也很有可能由于特征选取的不充分或不合适，数据集的特征分布不均匀或覆盖不全，特征数据不真实或有偏差等原因，导致训练效果不尽如人意，多分类识别的准确率无法达到预期。因此，如何提高多分类识别的准确率成为本领域亟需解决的技术问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种多分类识别方法、装置、电子设备及计算机可读存储介质，能够提高多分类识别的准确率。

2、为实现上述目的，本技术实施例的第一方面提出了一种多分类识别方法，所述方法包括：

3、获取待分类数据；

4、利用训练好的分类识别模型对所述待分类数据进行分类处理，以从多个预设分类类别中确定所述待分类数据所属的至少一个目标分类类别；

5、获取每个所述目标分类类别对应的目标单分类模型；

6、利用所述目标单分类模型对所述待分类数据进行识别处理，得到所述待分类数据在每个所述目标分类类别下的分类预测值，所述分类预测值用于表征所述待分类数据与所述目标分类类别的相关度；

7、基于所述分类预测值得到所述待分类数据的多分类预测结果。

8、根据本技术一些实施例提供的多分类识别方法，所述基于所述分类预测值得到所述待分类数据的多分类预测结果，包括

9、对所述待分类数据在每个所述目标分类类别下的分类预测值进行拼接处理，得到多分类预测向量；

10、根据所述多分类预测向量确定所述待分类数据的多分类预测结果。

11、根据本技术一些实施例提供的多分类识别方法，所述利用训练好的分类识别模型对所述待分类数据进行分类处理，以从多个预设分类类别中确定所述待分类数据所属的至少一个目标分类类别，包括：

12、利用训练好的分类识别模型对所述待分类数据进行分类处理，得到所述待分类数据在多个预设分类类别下的分类结果，所述分类结果表征所述待分类数据是否属于所述预设分类类别；

13、对于每个所述预设分类类别，在当前所述预设分类类别对应的所述分类结果表征所述待分类数据属于当前所述预设分类类别的情况下，将当前所述预设分类类别作为所述待分类数据所属的目标分类类别。

14、根据本技术一些实施例提供的多分类识别方法，所述方法还包括：

15、获取多个训练样本集，所述训练样本集包括多个正样本数据，且每个所述训练样本集分别用于不同所述预设分类类别的单分类训练；

16、基于所述正样本数据对预设的原始单分类模型进行训练，得到用于识别不同所述预设分类类别的多个所述目标单分类模型。

17、根据本技术一些实施例提供的多分类识别方法，在所述基于所述正样本数据对预设的原始单分类模型进行训练，得到用于识别不同所述预设分类类别的多个所述目标单分类模型之后，所述方法还包括：

18、建立所述目标单分类模型与所述预设分类类别的映射关系；

19、将所述映射关系和所述目标单分类模型存储至预设的单分类模型数据库中；

20、所述获取每个所述目标分类类别对应的目标单分类模型，包括：

21、从所述单分类模型数据库中获取所述映射关系；

22、根据所述目标分类类别和所述映射关系，从所述单分类模型数据库中获取每个所述目标分类类别对应的目标单分类模型。

23、根据本技术一些实施例提供的多分类识别方法，所述利用训练好的分类识别模型对所述待分类数据进行分类处理，以从多个预设分类类别中确定所述待分类数据所属的至少一个目标分类类别，包括：

24、将所述待分类数据输入至训练好的分类识别模型，以通过所述分类识别模型对所述待分类数据和多个预设分类类别的标准样本数据进行相似度计算，并根据相似度计算结果从多个预设分类类别中确定所述待分类数据所属的至少一个目标分类类别。

25、根据本技术一些实施例提供的多分类识别方法，所述利用所述目标单分类模型对所述待分类数据进行识别处理，得到所述待分类数据在每个所述目标分类类别下的分类预测值，包括：

26、将所述待分类数据进行泛化处理，得到所述待分类数据对应的特征向量信息；

27、将所述特征向量信息输入至所述目标单分类模型，以通过所述目标单分类模型得到所述待分类数据在每个所述目标分类类别下的分类预测值。

28、为实现上述目的，本技术实施例的第二方面提出了一种多分类识别装置，所述装置包括：

29、第一获取模块，用于获取待分类数据；

30、第一识别模块，用于利用训练好的分类识别模型对所述待分类数据进行分类处理，以从多个预设分类类别中确定所述待分类数据所属的至少一个目标分类类别；

31、第二获取模块，用于获取每个所述目标分类类别对应的目标单分类模型；

32、第二识别模块，用于利用所述目标单分类模型对所述待分类数据进行识别处理，得到所述待分类数据在每个所述目标分类类别下的分类预测值，所述分类预测值用于表征所述待分类数据与所述目标分类类别的相关度；

33、第一处理模块，用于基于所述分类预测值得到所述待分类数据的多分类预测结果。

34、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器、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，所述计算机程序被所述处理器执行时实现上述第一方面所述的方法。

35、为实现上述目的，本技术实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现上述第一方面所述的方法。

36、本技术提出一种多分类识别方法、装置、电子设备以及计算机可读存储介质，该方法获取待分类数据，并利用训练好的分类识别模型对待分类数据进行分类处理，以从多个预设分类类别中确定待分类数据所属的至少一个目标分类类别，之后获取每个目标分类类别对应的目标单分类模型，再利用目标单分类模型对待分类数据进行识别处理，得到待分类数据在每个目标分类类别下的分类预测值，分类预测值用于表征待分类数据与目标分类类别的相关度，基于分类预测值得到待分类数据的多分类预测结果。本技术实施例通过分类识别模型对待分类数据进行粗分类，以确定待分类数据所属的至少一个目标分类类别，再利用每个目标分类类别对应的单分类模型分别对待分类数据进行识别，最后根据每个单分类模型得到的分类预测值确定待分类数据的多分类预测结果，一方面，通过识别准确率更高的单分类模型进行多分类识别，能够提高多分类识别的识别准确率，另一方面，多个单分类模型可以并行执行各个目标分类类别的识别处理，能够提高多分类识别的识别效率。