[發明專利]模型訓練方法、裝置和電子設備

在審

• 申請號: 202011106420.X
• 申請日: 2020-10-15
• 公開（公告）號: CN112241761A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 葛煜坤
• 申請（專利權）人: 北京字跳網絡技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 泰和泰律師事務所 51219
• 代理人: 祝海燕

本公開實施例公開了模型訓練方法、裝置和電子設備。該方法的一具體實施方式包括：將待識別圖像導入包括歸一化層的待訓練模型，得到由該歸一化層中的節點生成的概率值，其中，節點與采用屬性值表征的類別對應，節點生成的概率值用于表征待識別圖像屬于該節點對應的類別的概率，其中，該待識別圖像標記有標簽；從歸一化層的節點中，選取候選節點；基于選取出的候選節點生成的概率值和該標簽，生成損失函數值；基于該損失函數值，調整該待訓練模型的參數。由此，可以提供一種新的模型訓練方式。

技術領域

本公開涉及計算機技術領域，尤其涉及一種模型訓練方法、裝置和電子設備。

背景技術

隨著計算機技術的發展，可以利用計算機自動處理圖像，從而從圖像中可以獲取各種信息。

在一些應用場景中，可以對圖像進行處理，獲得對圖像中人物的年齡估計值，或者，可以獲得圖像中人物的姿態估計值。

發明內容

提供該公開內容部分以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該公開內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開實施例提供了一種模型訓練方法，該方法包括：將待識別圖像導入包括歸一化層的待訓練模型，得到由所述歸一化層中的節點生成的概率值，其中，節點與采用屬性值表征的類別對應，節點生成的概率值用于表征待識別圖像屬于該節點對應的類別的概率，其中，所述待識別圖像標記有標簽；從歸一化層的節點中，選取候選節點；基于選取出的候選節點生成的概率值和所述標簽，生成損失函數值；基于所述損失函數值，調整所述待訓練模型的參數。

第二方面，本公開實施例提供了一種模型訓練裝置，包括：接收單元，用于第一生成單元，用于將待識別圖像導入包括歸一化層的待訓練模型，得到由所述歸一化層中的節點生成的概率值，其中，節點與采用屬性值表征的類別對應，節點生成的概率值用于表征待識別圖像屬于該節點對應的類別的概率，其中，所述待識別圖像標記有標簽；選取單元，用于從歸一化層的節點中，選取候選節點；第二生成單元，用于基于選取出的候選節點生成的概率值和所述標簽，生成損失函數值；調整單元，用于基于所述損失函數值，調整所述待訓練模型的參數。

第三方面，本公開實施例提供了一種電子設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如第一方面所述的模型訓練方法。

第四方面，本公開實施例提供了一種計算機可讀介質，其上存儲有計算機程序，該程序被處理器執行時實現如第一方面所述的模型訓練方法的步驟。

本公開實施例提供的模型訓練方法、裝置和電子設備，通過可以將待識別圖像導入待訓練模型中，待訓練模型可以包括歸一化層，歸一化層中的各個節點可以輸出概率值，概率值可以用于表征待識別圖像屬于該節點對應的屬性值的概率。然后，可以從歸一化層的節點中，選取候選節點，以及基于候選節點生成的概率值，生成損失函數值。最后，基于損失函數值，調整待訓練模型的參數。

由此，可以提供一種新的模型訓練方法，這種新的模型訓練方法，從歸一化層的節點中進行節點選取，并基于選取出的候選節點生成的概率值，生成損失函數值，在調節參數過程中，可以減少歸一化層中無關節點對參數調整的干擾，使得損失函數值可以較為準確地反映候選節點生成的概率值準確程度。從而，可以使得模型參數調整的過程中，盡量向著提高候選節點生成的概率值準確度方向進行參數調整。進而，對于歸一化層中節點對應的屬性值較為分散的場景，在模型訓練過程中加大對部分候選節點生成的結果的學習力度，使得訓練向著提高候選節點處的概率分布的方向進行，進而提高所訓練的模型的準確度，即提高圖像識別的準確度。

附圖說明