[發明專利]數據處理方法、裝置、計算機設備、介質及程序產品

在審

• 申請號: 202111671024.6
• 申請日: 2021-12-31
• 公開（公告）號: CN114358250A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 王全子昂;李悅翔;魏東;馬鍇;鄭冶楓;孟德宇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06V10/774
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳梅君

1.一種數據處理方法，其特征在于，包括：

根據目標模型構建參考網絡模型，所述參考網絡模型包括參考主網絡，所述參考主網絡是對所述目標模型中一次或多次訓練后的主網絡進行復制得到的，所述目標模型的主網絡是采用訓練圖像樣本集進行一次或多次訓練的；

獲取元圖像樣本集，并采用所述訓練圖像樣本集和所述元圖像樣本集對所述參考網絡模型進行訓練，得到元損失，以采用所述元損失更新所述目標模型中的元網絡，得到更新后的元網絡；

根據所述更新后的元網絡和一次或多次訓練后的主網絡對所述訓練圖像樣本集進行識別處理，得到所述訓練圖像樣本集包括的不同任務的樣本圖像之間的關聯關系；

基于所述關聯關系對所述一次或多次訓練后的主網絡進行迭代更新，直至得到訓練完成的目標模型，所述訓練完成的目標模型用于進行圖像識別處理。

2.如權利要求1所述的方法，其特征在于，采用訓練圖像樣本集對所述目標模型的主網絡進行一次或多次訓練，并得到一次或多次訓練后的主網絡的方式包括：

獲取訓練圖像樣本集；

從所述訓練圖像樣本集中獲取訓練圖像樣本子集，并將所述訓練圖像樣本子集包括的一個或多個樣本組輸入所述目標模型；

調用所述目標模型的主網絡對所述一個或多個樣本組進行識別處理，得到訓練損失；

采用所述訓練損失對所述目標模型的主網絡進行一次或多次訓練，并得到一次或多次訓練后的主網絡。

3.如權利要求2所述的方法，其特征在于，所述采用所述訓練損失對所述目標模型的主網絡進行一次或多次訓練，并得到一次或多次訓練后的主網絡，包括：

獲取為各個樣本組包括的樣本圖像設置的預設關聯關系，并采用所述預設關聯關系對所述訓練損失進行更新；

采用更新的訓練損失調整所述目標模型的主網絡的網絡參數，得到一次或多次訓練后的主網絡。

4.如權利要求1所述的方法，其特征在于，所述采用所述訓練圖像樣本集和所述元圖像樣本集對所述參考網絡模型進行訓練，得到元損失，包括：

從所述訓練圖像樣本集中獲取參考訓練圖像樣本子集；

將所述參考訓練圖像樣本子集包括的各樣本組輸入所述參考主網絡，得到參考損失，并獲取所述參考損失對應的損失權重，所述損失權重是將所述參考損失輸入所述目標模型的元網絡后得到的；

采用所述參考損失和對應的損失權重，對所述參考主網絡進行更新處理，得到更新后的參考主網絡；

將所述元圖像樣本集輸入所述更新后的參考主網絡，并獲取得到元損失。

5.如權利要求1所述的方法，其特征在于，所述根據所述更新后的元網絡和一次或多次訓練后的主網絡對所述訓練圖像樣本集進行識別處理，得到所述訓練圖像樣本集包括的不同任務的樣本圖像之間的關聯關系，包括：

從所述訓練圖像樣本集中獲取迭代圖像樣本子集；

將所述迭代圖像樣本子集包括的各樣本組輸入一次或多次訓練后的主網絡，得到迭代損失；所述迭代損失包括對應樣本組所包括的一個當前樣本圖像對應的第一損失，及包括的一個歷史樣本圖像的第二損失；所述當前樣本圖像屬于新任務，所述歷史樣本圖像屬于舊任務；

將所述第一損失和所述第二損失輸入所述更新后的元網絡，分別得到所述第一損失的損失權重，以及所述第二損失的損失權重；

其中，所述第一損失的損失權重和所述第二損失的損失權重，用于指示對應的一個當前樣本圖像和對應的一個歷史樣本圖像之間的關聯關系。

6.如權利要求2～5任一項所述的方法，其特征在于，一個樣本組包括從新任務中獲取的一個當前樣本圖像，及從記憶緩存中獲取的一個歷史樣本圖像；所述記憶緩存中的歷史樣本圖像來自舊任務的一個或多個歷史樣本圖像；

所述元圖像樣本集包括的多個元樣本圖像；且所述元圖像樣本集是對新任務包括的當前樣本圖像和舊任務包括的歷史樣本圖像進行均衡采集得到的。

7.如權利要求1所述的方法，其特征在于，所述方法還包括：

當所述一次或多次訓練后的主網絡迭代更新次數滿足設定更新條件之后，根據更新的一次或多次訓練后的主網絡對所述參考網絡模型包括的參考主網絡進行更新處理。