[發(fā)明專利]對齊模型的訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備以及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110818845.1
• 申請日: 2021-07-20
• 公開（公告）號: CN113591637A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 孟強(qiáng);張翅翔;徐小強(qiáng);周峰
• 申請（專利權(quán)）人: 北京愛筆科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京華進(jìn)京聯(lián)知識產(chǎn)權(quán)代理有限公司 11606
• 代理人: 樊春燕

1.一種對齊模型的訓(xùn)練方法，其特征在于，所述方法包括：

獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個(gè)類別的樣本圖片；

將所述樣本圖片按類別分別輸入至基準(zhǔn)特征提取模型，得到每個(gè)類別對應(yīng)的基準(zhǔn)提取結(jié)果，所述基準(zhǔn)提取結(jié)果包括第一類中心以及多個(gè)第一特征；

將所述樣本圖片分別輸入至待使用的特征提取模型，得到每個(gè)所述樣本圖片對應(yīng)的預(yù)測提取結(jié)果，所述預(yù)測提取結(jié)果包括多個(gè)第二類中心以及多個(gè)第二特征；

根據(jù)所述第一類中心、第一特征、第二類中心以及第二特征，計(jì)算損失值；

根據(jù)所述損失值更新所述待使用的特征提取模型的網(wǎng)絡(luò)參數(shù)，并返回執(zhí)行所述獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個(gè)類別的樣本圖片的步驟，直到所述損失值滿足預(yù)設(shè)訓(xùn)練完成條件，得到訓(xùn)練完成的特征提取模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

通過第一轉(zhuǎn)換器對所述第一類中心以及所述第一特征進(jìn)行對齊轉(zhuǎn)換，得到第三類中心以及第三特征；

通過第二轉(zhuǎn)換器對所述第二類中心以及所述第二特征進(jìn)行對齊轉(zhuǎn)換，得到第四類中心以及第四特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述第一類中心、第一特征、第二類中心以及第二特征，計(jì)算損失值，包括：

根據(jù)所述第一類中心、所述第二類中心、所述第三類中心以及所述第四類中心，計(jì)算對齊損失值；

根據(jù)所述樣本圖片中的第四特征、第一類中心以及預(yù)設(shè)夾角閾值，計(jì)算邊界損失值；

根據(jù)所述對齊損失值、邊界損失值以及預(yù)設(shè)分類損失值，計(jì)算損失值。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述對齊損失值、邊界損失值以及預(yù)設(shè)分類損失值，計(jì)算損失值，包括：

根據(jù)所述對齊損失值對應(yīng)的第一權(quán)重、所述對齊損失值、所述邊界損失值對應(yīng)的第二權(quán)重、所述邊界損失值以及預(yù)設(shè)分類損失值，計(jì)算損失值。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，通過以下公式，計(jì)算所述對齊損失值：

其中，表示第j類別樣本圖片的第三類中心，表示第j類別樣本圖片的第二類中心，表示第j類別樣本圖片的第四類中心，表示第j類別樣本圖片的第一類中心，d表示距離函數(shù)，n表示所述樣本圖片的類別數(shù)目。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，通過以下公式，計(jì)算所述邊界損失值：

其中，f_i^2→1表示第i張樣本圖片中的第四特征，表示第i張樣本圖片的第一類中心，表示預(yù)設(shè)夾角閾值，N表示某一類別中樣本圖片的數(shù)量。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

響應(yīng)于圖片識別請求，獲取待識別的圖片數(shù)據(jù)；

將所述待識別的圖片數(shù)據(jù)輸入至所述訓(xùn)練完成的特征提取模型，得到圖片特征數(shù)據(jù)；

分別計(jì)算所述圖片特征數(shù)據(jù)與預(yù)設(shè)歷史數(shù)據(jù)庫中各類別類中心的距離；

將所述距離最小的類別作為所述待識別的圖片數(shù)據(jù)的類別識別結(jié)果。

8.一種對齊模型的訓(xùn)練裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個(gè)類別的樣本圖片；

基準(zhǔn)提取結(jié)果獲取模塊，用于將所述樣本圖片按類別分別輸入至基準(zhǔn)特征提取模型，得到每個(gè)類別對應(yīng)的基準(zhǔn)提取結(jié)果，所述基準(zhǔn)提取結(jié)果包括第一類中心以及多個(gè)第一特征；

訓(xùn)練提取結(jié)果獲取模塊，用于將所述樣本圖片分別輸出至待使用的特征提取模型，得到每個(gè)所述樣本圖片對應(yīng)的預(yù)測提取結(jié)果，所述訓(xùn)練結(jié)果包括多個(gè)第二類中心以及多個(gè)第二特征；

損失值確定模塊，用于根據(jù)所述第一類中心、第一特征、第二類中心以及第二特征，計(jì)算損失值；

判斷模塊，用于根據(jù)所述損失值更新所述待使用的特征提取模型的網(wǎng)絡(luò)參數(shù)，并返回執(zhí)行所述獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個(gè)類別的樣本圖片的步驟，直到所述損失值滿足預(yù)設(shè)訓(xùn)練完成條件，得到訓(xùn)練完成的特征提取模型。