[發明專利]模型訓練方法、圖像識別方法、裝置、設備及存儲介質

在審

• 申請號: 202110277856.3
• 申請日: 2021-03-15
• 公開（公告）號: CN112990312A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 陳嘉莉;周超勇;劉玉宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/08
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

本申請涉及人工智能中的模型構建，提供一種模型訓練方法、圖像識別方法、裝置、設備及存儲介質，該方法包括：獲取第一樣本集和第二樣本集；根據第一樣本集中的多個簡單樣本構造多個第一樣本對，并根據第二樣本集中的多個困難樣本構造多個第二樣本對；確定每個第一樣本對中的兩個簡單樣本之間的第一相似度，并確定每個第二樣本對中的兩個困難樣本之間的第二相似度；根據多個第一相似度和多個第二相似度，計算預置的圖像識別模型的目標損失函數；根據目標損失函數調整圖像識別模型的模型參數，并根據第一樣本集和第二樣本集對調整模型參數后的圖像識別模型進行迭代訓練。本申請能夠提升圖像識別模型的訓練效果。

技術領域

本申請涉及模型構建技術領域，尤其涉及一種模型訓練方法、圖像識別方法、裝置、設備及存儲介質。

背景技術

圖像識別是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，現階段的圖像識別技術包括人臉識別與商品識別。圖像識別技術的用處十分廣泛，由于目標識別圖像之間存在較大的變化多樣性，給圖像識別帶來了極大的挑戰。目前，通過圖像識別模型對待識別圖像進行識別，為了提高識別準確性，可以充分利用與圖像識別任務相關的先驗分布來設計圖像識別模型的損失函數。但是，利用先驗分布設計出的圖像識別模型識別簡單樣本(Easy Sample)的效果尚可，而在識別困難樣本(HardSample)時的類間間距較大，圖像識別的效果不好。因此，如何優化圖像識別模型，使之提高對困難樣本的識別準確性成為了亟待解決的問題。

發明內容

本申請的主要目的在于提供一種模型訓練方法、圖像識別方法、裝置、設備及存儲介質，旨在提升圖像識別模型的訓練效果，從而提高圖像識別模型對困難樣本的識別準確性。

第一方面，本申請提供一種模型訓練方法，包括：

獲取第一樣本集和第二樣本集，所述第一樣本集包括多個簡單樣本，所述第二樣本集包括多個困難樣本；

根據所述第一樣本集中的多個簡單樣本構造多個第一樣本對，并根據所述第二樣本集中的多個困難樣本構造多個第二樣本對；

確定每個所述第一樣本對中的兩個簡單樣本之間的第一相似度，并確定每個所述第二樣本對中的兩個困難樣本之間的第二相似度；

根據所述多個第一相似度和多個第二相似度，計算預置的圖像識別模型的目標損失函數；

根據目標損失函數調整所述圖像識別模型的模型參數，并根據所述第一樣本集和第二樣本集對調整模型參數后的所述圖像識別模型進行迭代訓練。

第二方面，本申請還提供一種圖像識別方法，包括：

獲取待識別的目標圖像；

通過目標圖像識別模型對所述目標圖像進行圖像識別，得到圖像識別結果；

其中，所述目標圖像識別模型是根據上述的模型訓練方法進行訓練得到的。

第三方面，本申請還提供一種模型訓練裝置，所述模型訓練裝置包括：

獲取模塊，用于獲取第一樣本集和第二樣本集，所述第一樣本集包括多個簡單樣本，所述第二樣本集包括多個困難樣本；

構造模塊，用于根據所述第一樣本集中的多個簡單樣本構造多個第一樣本對，并根據所述第二樣本集中的多個困難樣本構造多個第二樣本對；

確定模塊，用于確定每個所述第一樣本對中的兩個簡單樣本之間的第一相似度，并確定每個所述第二樣本對中的兩個困難樣本之間的第二相似度；

計算模塊，用于根據所述多個第一相似度和多個第二相似度，計算預置的圖像識別模型的目標損失函數；

訓練模塊，用于根據目標損失函數調整所述圖像識別模型的模型參數，并根據所述第一樣本集和第二樣本集對調整模型參數后的所述圖像識別模型進行迭代訓練。