[發明專利]模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202010883864.8
• 申請日: 2020-08-28
• 公開（公告）號: CN111931690A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 崔志佳;范澤華
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 周清華

本申請公開了一種模型訓練方法、裝置、設備及存儲介質，屬于深度學習技術領域。所述方法包括：獲取訓練視頻樣本，訓練視頻樣本包括訓練視頻以及具有關聯關系的至少兩個真實標簽；將訓練視頻分別輸入至初始卷積神經網絡和初始循環神經網絡中，得到初始卷積神經網絡和初始循環神經網絡輸出的具有關聯關系的至少兩個訓練標簽；基于至少兩個訓練標簽之間的差異以及至少兩個訓練標簽和至少兩個真實標簽之間的差異對初始卷積神經網絡和初始循環神經網絡進行訓練，得到訓練好的目標卷積神經網絡和目標循環神經網絡。本申請實施例提供的技術方案提供了一種訓練可以同時對視頻中相關聯的特征進行識別的卷積神經網絡和循環神經網絡的方法。

技術領域

本申請涉及深度學習技術領域，特別是涉及一種模型訓練方法、裝置、設備及存儲介質。

背景技術

在實際應用中，視頻中的一些特征可以通過卷積神經網絡進行識別，同時，視頻中的另外一些特征可以通過循環神經網絡進行識別。相關技術中，可以根據需要識別的特征，單獨選擇使用卷積神經網絡對視頻進行識別，或者，單獨選擇使用循環神經網絡對視頻進行識別。

然而，視頻中的許多特征是具有關聯性的，單獨對某一特征進行識別而忽略對與其關聯的其他特征進行識別，會造成一定的負面影響，為了避免這種負面影響，可以同時利用卷積神經網絡和循環神經網絡對相關聯的特征進行識別，而如何在這種場景下，對卷積神經網絡和循環神經網絡進行訓練，成為了當前亟待解決的一個問題。

發明內容

基于此，本申請實施例提供了一種模型訓練方法、裝置、設備及存儲介質，提供了一種訓練可以同時對視頻中相關聯的特征進行識別的卷積神經網絡和循環神經網絡的方法。

第一方面，提供了一種模型訓練方法，該方法包括：

獲取訓練視頻樣本，該訓練視頻樣本包括訓練視頻以及與該訓練視頻對應的具有關聯關系的至少兩個真實標簽；將該訓練視頻分別輸入至初始卷積神經網絡和初始循環神經網絡中，得到該初始卷積神經網絡和該初始循環神經網絡輸出的具有關聯關系的至少兩個訓練標簽；基于該至少兩個訓練標簽之間的差異以及該至少兩個訓練標簽和該至少兩個真實標簽之間的差異對該初始卷積神經網絡和該初始循環神經網絡進行訓練，得到訓練好的目標卷積神經網絡和目標循環神經網絡。

第二方面，提供了一種模型訓練裝置，該裝置包括：

第一獲取模塊，用于獲取訓練視頻樣本，該訓練視頻樣本包括訓練視頻以及與該訓練視頻對應的具有關聯關系的至少兩個真實標簽；

第二獲取模塊，用于將該訓練視頻分別輸入至初始卷積神經網絡和初始循環神經網絡中，得到該初始卷積神經網絡和該初始循環神經網絡輸出的具有關聯關系的至少兩個訓練標簽；

訓練模塊，用于基于該至少兩個訓練標簽之間的差異以及該至少兩個訓練標簽和該至少兩個真實標簽之間的差異對該初始卷積神經網絡和該初始循環神經網絡進行訓練，得到訓練好的目標卷積神經網絡和目標循環神經網絡。

第三方面，提供了一種計算機設備，包括存儲器和處理器，該存儲器存儲有計算機程序，該計算機程序被該處理器執行時實現如上述第一方面任一所述的模型訓練方法。

第四方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述第一方面任一所述的模型訓練方法。

本申請實施例提供的技術方案帶來的有益效果至少包括：