[發明專利]一種識別模型的訓練方法及裝置

有效

• 申請號: 202110369658.X
• 申請日: 2021-04-07
• 公開（公告）號: CN112801229B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 夏華夏;喬健
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種識別模型的訓練方法，其特征在于，所述方法包括：

獲取若干無標注的目標物圖像；

針對每個目標物圖像，對該目標物圖像進行模糊化處理，確定該目標物圖像的第一模糊圖像和第二模糊圖像，所述第一模糊圖像的模糊強度高于所述第二模糊圖像；

將所述第二模糊圖像輸入到待訓練的識別模型的預識別模塊中，確定所述第二模糊圖像的預識別結果，所述預識別模塊為根據有標注的目標物圖像預先訓練得到的；

根據所述第二模糊圖像的預識別結果，確定所述第一模糊圖像的標注；

以所述第一模糊圖像為第一訓練樣本，根據所述第一模糊圖像的標注，對待訓練的識別模型進行訓練。

2.如權利要求1所述的方法，其特征在于，對該目標物圖像進行模糊化處理，確定該目標物圖像的第二模糊圖像，具體包括：

對該目標物圖像進行多種模糊化處理，確定該目標物圖像的各第二模糊圖像；

根據所述第二模糊圖像的識別結果，確定所述第一模糊圖像的標注，具體包括：

根據各第二模糊圖像的識別結果及其權重，進行加權平均，確定加權識別結果；

根據所述加權識別結果，確定所述第一模糊圖像的標注。

3.如權利要求1所述的方法，其特征在于，采用迭代訓練的方法訓練所述識別模型，每次迭代訓練識別模型的方法包括：

獲取若干已標注的目標物圖像，作為第二訓練樣本，并根據各第一訓練樣本和各第二訓練樣本確定各訓練樣本對；

針對每個訓練樣本對，將該訓練樣本對中的所述第一訓練樣本和所述第二訓練樣本作為輸入，輸入到所述待訓練的識別模型中，確定所述第一訓練樣本的識別結果和所述第二訓練樣本的識別結果；

根據該訓練樣本對的所述第一訓練樣本的識別結果及其標注，確定第一損失，以及根據所述第二訓練樣本的識別結果及其標注，確定第二損失，根據所述第一損失與所述第二損失，調整所述識別模型的模型參數。

4.如權利要求1所述的方法，其特征在于，根據所述第二模糊圖像的預識別結果，確定所述第一模糊圖像的標注，具體包括：

將所述第二模糊圖像輸入到待訓練的識別模型中，得到所述第二模糊圖像的識別結果；

根據所述第二模糊圖像的識別結果和預識別結果，確定所述第一模糊圖像的標注。

5.如權利要求1所述的方法，其特征在于，確定第二模糊圖像的預識別結果前，所述方法還包括：

獲取若干已標注的目標物圖像，作為第二訓練樣本；

將各第二訓練樣本作為輸入，輸入到待訓練的預識別模塊中，確定各第二訓練樣本的預識別結果，根據各第二訓練樣本的預識別結果和標注之間的差異最小化為訓練目標，調整預識別模塊的模型參數。

6.如權利要求1所述的方法，其特征在于，所述方法還包括：

針對每個無標注的目標物圖像，根據確定出的所述第二模糊圖像的識別結果及其置信度，確定所述第二模糊圖像的分類結果；

根據所述第二模糊圖像的分類結果，確定所述第一模糊圖像的標注。

7.如權利要求3所述的方法，其特征在于，采用迭代訓練的方法訓練所述識別模型，具體包括：

針對每次迭代，根據該次迭代的所述第一訓練樣本的識別結果及其標注，確定所述第一模糊圖像的樣本權重；

當下一次迭代訓練所述識別模型時，根據各第一模糊圖像的樣本權重，確定用于作為各第一訓練樣本的各第一模糊圖像，所述樣本權重與所述第一模糊圖像用于作為所述第一訓練樣本的概率正相關。