[發明專利]用于訓練模型的方法、裝置、設備、介質和程序產品

有效

• 申請號: 202110442612.6
• 申請日: 2021-04-23
• 公開（公告）號: CN113139463B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 郭若愚;杜宇寧;李晨霞;楊燁華;趙喬;劉其文;畢然;胡曉光;于佃海;馬艷軍
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V30/40
• 分類號: G06V30/40;G06V10/80;G06V10/82;G06V30/10;G06K9/62;G06N3/04
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 李輝

1.一種用于訓練處理圖像數據的模型的方法，包括：

將第一模型針對包括圖像的訓練樣本輸出的所述圖像的第一特征和第二模型針對所述訓練樣本輸出的所述圖像的第二特征組合，以獲得針對所述圖像的組合特征，所述第一模型和所述第二模型被初始化以具有不同的模型參數；

基于所述第一特征、所述第二特征和所述組合特征之間的差異，分別確定第一約束、第二約束和第三約束；以及

至少基于所述第一約束、所述第二約束和所述第三約束來調整所述第一模型和所述第二模型的模型參數以得到經訓練的所述第一模型和經訓練的所述第二模型;

將經訓練的所述第一模型和經訓練的所述第二模型中的精度較高的模型確定為用于處理圖像數據的目標模型；

其中分別確定所述第一約束、所述第二約束和所述第三約束包括：

基于所述第一特征和所述第二特征之間的差異確定所述第一約束；

基于所述第一特征和所述組合特征之間的差異確定所述第二約束；以及

基于所述第二特征和所述組合特征之間的差異確定所述第三約束。

2.根據權利要求1所述的方法，其中所述訓練樣本具有指示所述訓練樣本的類別的標簽，所述方法還包括：

基于所述第一特征和所述標簽之間的差異，確定第四約束；

基于所述第二特征和所述標簽之間的差異，確定第五約束；以及

基于所述第一約束、所述第二約束、所述第三約束、所述第四約束、所述第五約束，訓練所述第一模型和所述第二模型。

3.根據權利要求2所述的方法，其中基于所述第一約束、所述第二約束、所述第三約束、所述第四約束、所述第五約束，訓練所述第一模型和所述第二模型包括：

確定分別與所述第一約束、所述第二約束、所述第三約束、所述第四約束、所述第五約束相關聯的權重；以及

基于所述第一約束、所述第二約束、所述第三約束、所述第四約束、所述第五約束以及所述相關聯的權重，訓練所述第一模型和所述第二模型。

4.根據權利要求1所述的方法，其中所述訓練樣本包括原始樣本和基于所述原始樣本增廣所得的增廣樣本中的至少一項。

5.根據權利要求1所述的方法，其中所述訓練樣本還包括以下至少一項：視頻、音頻和文本。

6.一種用于處理數據的方法，包括：

獲取包括圖像數據的輸入數據；以及

利用根據權利要求1-5中任一項所述的方法訓練的經訓練模型，確定針對所述輸入數據的預測結果。

7.根據權利要求6所述的方法，其中所述經訓練模型是圖像分類模型、語義分割模型以及目標識別模型中的一項，并且所述預測結果是所述圖像的分類結果、語義分割結果、目標識別結果中的對應的一項。

8.一種用于訓練處理圖像數據的模型的裝置，包括：

特征融合模塊，被配置為將第一模型針對包括圖像的訓練樣本輸出的所述圖像的第一特征和第二模型針對所述訓練樣本輸出的所述圖像的第二特征組合，以獲得針對所述圖像的組合特征，所述第一模型和所述第二模型被初始化以具有不同的模型參數；

第一約束確定模塊，被配置為基于所述第一特征、所述第二特征和所述組合特征之間的差異，分別確定第一約束、第二約束和第三約束；以及

第一模型訓練模塊，被配置為至少基于所述第一約束、所述第二約束和所述第三約束來調整所述第一模型和所述第二模型的模型參數以得到經訓練的所述第一模型和經訓練的所述第二模型;

目標模型確定模塊，被配置為將經訓練的所述第一模型和經訓練的所述第二模型中的精度較高的模型確定為用于處理圖像數據的目標模型； 其中所述第一約束確定模塊包括：

第二約束確定模塊，被配置為基于所述第一特征和所述第二特征之間的差異確定所述第一約束；

第三約束確定模塊，被配置為基于所述第一特征和所述組合特征之間的差異確定所述第二約束；以及

第四約束確定模塊，被配置為基于所述第二特征和所述組合特征之間的差異確定所述第三約束。