[發明專利]基于多數據集的特征提取網絡的訓練及特征提取方法

有效

• 申請號: 202110298576.0
• 申請日: 2021-03-19
• 公開（公告）號: CN112883988B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 郁亞峰;毛曉蛟;章勇;曹李軍
• 申請（專利權）人: 蘇州科達科技股份有限公司
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 張琳琳

1.一種基于多數據集的特征提取網絡的訓練方法，其特征在于，包括：

獲取多個樣本數據集；

依次將任意兩個樣本數據集中的所有樣本圖像輸入特征提取網絡中，得到與所述樣本圖像對應的特征集；

對所有所述樣本圖像對應的特征進行梯度反轉，得到與所有所述樣本圖像對應的梯度反轉處理結果；

基于所述梯度反轉處理結果，確定所述任意兩個樣本數據集之間的推土機距離；

根據所述推土機距離對所述特征提取網絡進行訓練，以得到目標特征提取網絡；

其中，所述基于所述梯度反轉處理結果，確定所述任意兩個樣本數據集之間的推土機距離，包括：

將所述樣本圖像對應的梯度反轉處理結果輸入預設網絡中，得到與各個所述樣本數據集對應的輸出數據，所述預設網絡與所述任意兩個樣本數據集對應，用于擬合所述任意兩個樣本數據集之間的推土機距離；

利用各個所述樣本數據集對應的輸出數據計算所述推土機距離，得到任意兩個所述樣本數據集之間的推土機距離；

所述根據所述推土機距離對所述特征提取網絡進行訓練，以得到目標特征提取網絡，包括：

獲取所述樣本圖像的特征提取損失；

利用所述推土機距離以及所述特征提取損失，確定特征損失；

基于所述推土機距離確定領域偏移損失；

利用所述特征損失對所述特征提取網絡進行訓練，同時利用所述領域偏移損失對所述預設網絡進行訓練，以得到所述目標特征提取網絡。

2.根據權利要求1所述的訓練方法，其特征在于，所述將所述樣本圖像對應的梯度反轉處理結果輸入預設網絡中，得到與各個所述樣本數據集對應的輸出數據，包括：

利用所述預設網絡中的至少一個全連接層對所述樣本圖像對應的梯度反轉處理結果進行處理，得到與各個所述樣本數據集對應的輸出數據。

3.根據權利要求1所述的訓練方法，其特征在于，所述基于所述推土機距離確定領域偏移損失，包括：

對所述任意兩個樣本數據集的每兩個樣本圖像對應的特征進行插值處理，得到插值特征；

將所述插值特征輸入所述預設網絡中，以得到所述預設網絡的輸出對所述預設網絡的輸入的梯度；

利用得到的梯度計算所述任意兩個樣本數據集之間的梯度懲罰損失；

利用所述推土機距離以及所述梯度懲罰損失，確定所述領域偏移損失。

4.一種特征提取方法，其特征在于，包括：

獲取待處理圖像；

將所述待處理圖像輸入目標特征提取網絡中，得到目標特征，所述目標特征提取網絡是根據權利要求1-3中任一項所述的基于多數據集的特征提取網絡的訓練方法訓練得到的。

5.一種基于多數據集的特征提取網絡的訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取多個樣本數據集；

特征提取模塊，用于依次將任意兩個樣本數據集中的所有樣本圖像輸入特征提取網絡中，得到與所述樣本圖像對應的特征集；

梯度反轉模塊，用于對所有所述樣本圖像對應的特征進行梯度反轉，得到與所有所述樣本圖像對應的梯度反轉處理結果；

距離確定模塊，用于基于所述梯度反轉處理結果，確定所述任意兩個樣本數據集之間的推土機距離；

訓練模塊，用于根據所述推土機距離對所述特征提取網絡進行訓練，以得到目標特征提取網絡；

其中，所述基于所述梯度反轉處理結果，確定所述任意兩個樣本數據集之間的推土機距離，包括：

將所述樣本圖像對應的梯度反轉處理結果輸入預設網絡中，得到與各個所述樣本數據集對應的輸出數據，所述預設網絡與所述任意兩個樣本數據集對應，用于擬合所述任意兩個樣本數據集之間的推土機距離；

利用各個所述樣本數據集對應的輸出數據計算所述推土機距離，得到任意兩個所述樣本數據集之間的推土機距離；

所述根據所述推土機距離對所述特征提取網絡進行訓練，以得到目標特征提取網絡，包括：

獲取所述樣本圖像的特征提取損失；

利用所述推土機距離以及所述特征提取損失，確定特征損失；

基于所述推土機距離確定領域偏移損失；

利用所述特征損失對所述特征提取網絡進行訓練，同時利用所述領域偏移損失對所述預設網絡進行訓練，以得到所述目標特征提取網絡。