[發明專利]用于訓練圖像識別模型的方法和裝置

在審

• 申請號: 202011057689.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112036509A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 趙艷梅
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于訓練圖像識別模型的方法，包括：

從訓練圖像集中獲取當前訓練圖像，以及獲取模型類型不同的、已預先訓練過的多個初始圖像識別模型；

基于采用所述多個初始圖像識別模型分別對所述當前訓練圖像進行識別得到的多個預測識別標簽，確定所述當前訓練圖像的實際識別標簽；

采用每個預測識別標簽和所述實際識別標簽，分別構建每個初始圖像識別模型的損失函數；

采用每個初始圖像識別模型的損失函數，分別訓練損失函數所對應的初始圖像識別模型，得到訓練完成的多個目標圖像識別模型。

2.根據權利要求1所述的方法，其中，所述基于采用所述多個初始圖像識別模型分別對所述當前訓練圖像進行識別得到的多個預測識別標簽，確定所述當前訓練圖像的實際識別標簽，包括：

采用所述多個初始圖像識別模型對所述當前訓練圖像進行識別，得到多個預測識別標簽；

根據所述多個預測識別標簽中的每一個預測識別標簽的置信度，確定所述當前訓練圖像的實際識別標簽。

3.根據權利要求1-2之一所述的方法，其中，所述方法還包括：

識別所述當前訓練圖像中的目標元素；

對所述當前訓練圖像中的所述目標元素執行數據增強，得到當前訓練圖像的擴展訓練圖像集；

采用所述擴展訓練圖像集分別訓練所述多個目標圖像識別模型，得到多個優化圖像識別模型。

4.一種用于識別圖像的方法，包括：

獲取待識別圖像；

獲取多個目標圖像識別模型，其中，所述多個目標圖像識別模型基于以下步驟確定：采用每個預測識別標簽和實際識別標簽，分別構建每個初始圖像識別模型的損失函數；采用每個初始圖像識別模型的損失函數，分別訓練損失函數所對應的初始圖像識別模型，得到訓練完成的多個目標圖像識別模型；其中，多個預測識別標簽基于模型類型不同的、已預先訓練過的多個初始圖像識別模型對從訓練圖像集中獲取的當前訓練圖像進行識別得到；實際識別標簽基于所述多個預測識別標簽得到；

利用所述多個目標圖像識別模型確定所述待識別圖像的標簽。

5.根據權利要求4所述的方法，其中，所述利用所述多個目標圖像識別模型確定所述待識別圖像的標簽，包括：

針對所述多個目標圖像識別模型中的每一個目標圖像識別模型，確定該目標圖像識別模型確定出的所述待識別圖像的各個標簽的置信度；

針對所述待識別圖像的所述各個標簽中的每一個標簽，根據所述多個目標圖像識別模型確定的該標簽的多個置信度，確定該標簽的平均置信度；

根據所述各個標簽的平均置信度，確定所述待識別圖像的實際識別標簽。

6.一種用于訓練圖像識別模型的裝置，包括：

第一獲取單元，被配置為從訓練圖像集中獲取當前訓練圖像，以及獲取模型類型不同的、已預先訓練過的多個初始圖像識別模型；

第一確定單元，被配置為基于采用所述多個初始圖像識別模型分別對所述當前訓練圖像進行識別得到的多個預測識別標簽，確定所述當前訓練圖像的實際識別標簽；

反饋單元，被配置為采用每個預測識別標簽和所述實際識別標簽，分別構建每個初始圖像識別模型的損失函數；

訓練單元，被配置為采用每個初始圖像識別模型的損失函數，分別訓練損失函數所對應的初始圖像識別模型，得到訓練完成的多個目標圖像識別模型。

7.根據權利要求6所述的裝置，其中，所述第一確定單元，包括：

第一確定模塊，被配置為采用所述多個初始圖像識別模型對所述當前訓練圖像進行識別，得到多個預測識別標簽；

第二確定模塊，被配置為根據所述多個預測識別標簽中的每一個預測識別標簽的置信度，確定所述當前訓練圖像的實際識別標簽。