[發明專利]圖像識別模型的訓練方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110606145.6
• 申請日: 2021-05-26
• 公開（公告）號: CN113361581A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 劉吉剛
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周雷

1.一種圖像識別模型的訓練方法，其特征在于，所述方法包括：

獲取樣本圖像，所述樣本圖像攜帶有所述樣本圖像所屬的實際類別的標注信息；

將所述樣本圖像輸入至待訓練的圖像識別模型的多通道卷積層，得到所述樣本圖像的多通道特征圖；

根據所述多通道特征圖的通道數，按照預設的通道比例將所述多通道特征圖拆分為初始特征圖和第一特征圖；

將所述第一特征圖輸入至所述待訓練的圖像識別模型的主干網絡進行前向傳播，得到中間特征圖；

將所述中間特征圖與所述初始特征圖進行拼接，得到訓練樣本特征圖；

將所述訓練樣本特征圖輸入至所述待訓練的圖像識別模型的全連接層，得到所述訓練樣本特征圖的映射類別；

以所述樣本圖像所屬的實際類別作為目標，調整所述主干網絡的參數，循環所述將所述樣本圖像輸入至待訓練的圖像識別模型的多通道卷積層至所述調整所述主干網絡的參數的步驟，直到所述映射類別與所述實際類別相同時，得到訓練好的圖像識別模型。

2.根據權利要求1所述的圖像識別模型的訓練方法，其特征在于，所述主干網絡包括至少一個模塊，每個所述模塊均包括一個稠密塊和一個傳遞層，所述多通道卷積層的輸出連接第一個模塊的稠密塊，所述第一個模塊的稠密塊連接所述第一個模塊的傳遞層，各所述模塊依次順序連接，最后一個所述模塊的傳遞層連接所述全連接層。

3.根據權利要求2所述的圖像識別模型的訓練方法，其特征在于，所述稠密塊包括若干個稠密層，各所述稠密層依次順序連接，最后一個所述稠密層的輸出連接對應模塊的傳遞層。

4.根據權利要求3所述的圖像識別模型的訓練方法，其特征在于，所述初始特征圖包括第二特征圖，當所述主干網絡包括一個所述模塊時，所述得到所述訓練樣本特征圖的步驟具體包括：

通過所述多通道卷積層將所述第一特征圖輸入所述模塊的稠密塊中的第一稠密層，通過各所述稠密層對所述第一特征圖進行前向傳播，得到與每個所述稠密層相對應的輸出特征；

將最后一個所述稠密層的輸出特征作為所述中間特征圖，將所述中間特征圖與所述第二特征圖進行拼接，得到所述訓練樣本特征圖。

5.根據權利要求3所述的圖像識別模型的訓練方法，其特征在于，所述初始特征圖包括第二特征圖和中間初始特征圖，當所述主干網絡包括多個所述模塊時，所述將所述第一特征圖輸入至所述待訓練的圖像識別模型的主干網絡進行前向傳播，得到中間特征圖的步驟包括：

通過所述多通道卷積層將所述第一特征圖輸入至第一個所述模塊的稠密塊中的第一稠密層，通過第一個所述模塊中的各所述稠密層對所述第一特征圖進行前向傳播，得到與每個所述稠密層相對應的輸出特征；

將所述第二特征圖與第一個所述模塊的最后一個稠密層的輸出特征進行拼接，得到第一中間特征圖；

將所述第一中間特征圖輸入至所述第一個模塊中的傳遞層，按照所述通道比例將所述第一中間特征圖拆分為第三特征圖和所述中間初始特征圖；

通過所述第一個模塊的傳遞層將所述第三特征圖輸入至第二個模塊的稠密塊中的第一稠密層，通過第二個模塊中的各所述稠密層對所述第三特征圖進行前向傳播，得到與第二個模塊中每個所述稠密層相對應的中間單元輸出特征；

將所述中間初始特征圖與第二個所述模塊的最后一個稠密層的中間單元輸出特征進行拼接，得到第二中間特征圖；

當所述第二個模塊不為所述主干網絡的最后一個模塊時，對所述第二中間特征圖進行拆分、前向傳播和拼接的遞歸操作，得到與每個所述模塊相對應的所述中間特征圖。

6.根據權利要求5所述的圖像識別模型的訓練方法，其特征在于，所述將所述中間特征圖與所述初始特征圖進行拼接，得到訓練樣本特征圖的步驟進一步包括：

通過所述主干網絡最后一個模塊的傳遞層得到所述訓練樣本特征圖。