[發明專利]模型訓練方法、裝置、設備及存儲介質

有效

• 申請號: 201810759307.8
• 申請日: 2018-07-11
• 公開（公告）號: CN109034218B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 平安;王希;何光宇;張立東
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張芳;臧建明

1.一種模型訓練方法，其特征在于，包括：

獲取第一圖像數據集；

對所述第一圖像數據集中的圖像進行加權求和處理，獲得增量圖像；

基于所述增量圖像和所述第一圖像數據集，訓練獲得第一模型；

所述基于所述增量圖像和所述第一圖像數據集，訓練獲得第一模型之后，所述方法還包括：

獲取第二圖像數據集，其中所述第二圖像數據集和所述第一圖像數據集之間的相似度大于預設閾值；

基于所述第二圖像數據集，對所述第一模型進行遷移學習處理，獲得第二模型；

所述基于所述第二圖像數據集，對所述第一模型進行遷移學習處理，獲得第二模型之后，所述方法還包括：

從所述第二模型中提取所述第二圖像數據集的特征數據；

對所述特征數據進行字典學習處理和稀疏特征提取處理，獲得所述特征數據對應的稀疏特征矩陣；

基于所述稀疏特征矩陣訓練獲得第三模型。

2.根據權利要求1所述的方法，其特征在于，所述對所述第一圖像數據集中的圖像進行加權求和處理，獲得增量圖像，包括：

對所述第一圖像數據集中的圖像采用相同的加權值進行加權求和處理，獲得增量圖像，并使得所有加權求和的圖像的加權值之和為1。

3.根據權利要求1所述的方法，其特征在于，所述對所述第一圖像數據集中的圖像進行加權求和處理，獲得增量圖像，包括：

從所述第一圖像數據集中獲取多組圖像樣本，使得同一組圖像樣本中的圖像只包括相同的標簽；

針對每組圖像樣本，獲取組內的圖像進行加權求和處理得到增量圖像。

4.根據權利要求1所述的方法，其特征在于，所述對所述第一圖像數據集中的圖像進行加權求和處理，獲得增量圖像，包括：

從所述第一圖像數據集中獲取多組圖像樣本，使得同一組圖像樣本中至少包括兩種標簽的圖像；

針對每組圖像樣本，從組內獲取具有不同標簽的圖像進行加權求和，獲得增量圖像，其中所述增量圖像的標簽為加權求和時權重值最大的圖像的標簽。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取圖像數據；

將所述圖像數據輸入所述第三模型，以基于所述第三模型對所述圖像數據進行數據分類。

6.一種模型訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取第一圖像數據集；

第一處理模塊，用于對所述第一圖像數據集中的圖像進行加權求和處理，獲得增量圖像；

第一訓練模塊，用于基于所述增量圖像和所述第一圖像數據集，訓練獲得第一模型；

所述裝置還包括：

第二獲取模塊，用于獲取第二圖像數據集，其中所述第二圖像數據集和所述第一圖像數據集之間的相似度大于預設閾值；

第二處理模塊，用于基于所述第二圖像數據集，對所述第一模型進行遷移學習處理，獲得第二模型；

所述裝置還包括：

提取模塊，用于從所述第二模型中提取所述第二圖像數據集的特征數據；

第二訓練模塊，用于對所述特征數據進行字典學習處理和稀疏特征提取處理，獲得所述特征數據對應的稀疏特征矩陣；基于所述稀疏特征矩陣訓練獲得第三模型。

7.根據權利要求6所述的裝置，其特征在于，所述第一處理模塊，包括：

第一處理子模塊，用于對所述第一圖像數據集中的圖像采用相同的加權值進行加權求和處理，獲得增量圖像，并使得所有加權求和的圖像的加權值之和為1。

8.根據權利要求6所述的裝置，其特征在于，所述第一處理模塊，包括：

第一獲取子模塊，用于從所述第一圖像數據集中獲取多組圖像樣本，使得同一組圖像樣本中的圖像只包括相同的標簽；

第二處理子模塊，用于針對每組圖像樣本，獲取組內的圖像進行加權求和處理得到增量圖像。