[發明專利]模型訓練方法及裝置、圖像識別方法及裝置、設備和介質

在審

• 申請號: 202111165084.0
• 申請日: 2021-09-30
• 公開（公告）號: CN113902007A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 諶強
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅嵐

本公開提供了一種模型訓練方法及裝置、圖像識別方法及裝置、設備和介質，涉及人工智能領域，具體涉及計算機視覺和深度學習技術。方案為：采用識別模型中的編碼器對樣本圖像進行編碼，得到編碼特征，并將編碼特征輸入識別模型中的多層映射網絡，對多層映射網絡中最后一層映射網絡輸出的映射特征進行對象預測，得到樣本圖像的預測標注信息，并根據預測標注信息和樣本圖像包括的實際標注信息之間的差異對識別模型進行訓練，以使差異最小化。由此，相鄰兩層映射網絡中的前一層映射網絡的模型參數可以傳遞至后一層映射網絡，由后一層映射網絡根據前一層映射網絡的模型參數進行模型參數更新，能夠使得模型學習得到更好的特征表達，提升模型的預測效果。

技術領域

本公開涉及人工智能領域，具體涉及計算機視覺和深度學習技術，尤其涉及模型訓練方法及裝置、圖像識別方法及裝置、設備和介質。

背景技術

在智慧城市和智能交通場景下，可以利用深度學習技術，對圖像或視頻中的車輛、行人、物體等事物或目標進行檢測，以根據模型的檢測結果進行異常事件檢測、犯人追蹤、車輛統計等。為了提升模型的預測效果，需要對模型進行訓練。

發明內容

本公開提供了一種用于模型訓練方法及裝置、圖像識別方法及裝置、設備和介質。

根據本公開的一方面，提供了一種模型訓練方法，包括：

獲取樣本圖像；

采用識別模型中的編碼器對所述樣本圖像進行編碼，得到編碼特征；

將所述編碼特征輸入所述識別模型中的多層映射網絡，其中，相鄰兩層映射網絡中后一層映射網絡根據前一層映射網絡的模型參數進行模型參數更新，根據更新后的模型參數，對前一層映射網絡輸出的映射特征進行特征映射；

采用所述識別模型中的預測層，對所述多層映射網絡中最后一層映射網絡輸出的映射特征進行對象預測，以得到所述樣本圖像的預測標注信息；

根據所述預測標注信息和所述樣本圖像包括的實際標注信息之間的差異，對所述識別模型進行訓練，以使所述差異最小化。

根據本公開的另一方面，提供了一種圖像識別方法，包括：

獲取待檢測圖像；

采用識別模型對所述待檢測圖像進行對象預測，以得到所述待檢測圖像中各目標對象的標注信息；其中，所述識別模型是采用上述一方面提出的方法訓練得到的。

根據本公開的又一方面，提供了一種模型訓練裝置，包括：

獲取模塊，用于獲取樣本圖像；

編碼模塊，用于采用識別模型中的編碼器對所述樣本圖像進行編碼，得到編碼特征；

輸入模塊，用于將所述編碼特征輸入所述識別模型中的多層映射網絡，其中，相鄰兩層映射網絡中后一層映射網絡根據前一層映射網絡的模型參數進行模型參數更新，根據更新后的模型參數，對前一層映射網絡輸出的映射特征進行特征映射；

預測模塊，用于采用所述識別模型中的預測層，對所述多層映射網絡中最后一層映射網絡輸出的映射特征進行對象預測，以得到所述樣本圖像的預測標注信息；

訓練模塊，用于根據所述預測標注信息和所述樣本圖像包括的實際標注信息之間的差異，對所述識別模型進行訓練，以使所述差異最小化。

根據本公開的再一方面，提供了一種圖像識別裝置，所述裝置包括：

獲取模塊，用于獲取待檢測圖像；

預測模塊，用于采用識別模型對所述待檢測圖像進行對象預測，以得到所述待檢測圖像中各目標對象的標注信息；其中，所述識別模型是采用上述又一方面提出的裝置訓練得到的。

根據本公開的又一方面，提供了一種電子設備，包括：