[發明專利]一種特征提取網絡的訓練方法、裝置及電子設備

在審

• 申請號: 202210030447.8
• 申請日: 2022-01-12
• 公開（公告）號: CN114360027A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 李弼;彭楠;希滕;張剛
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/82;G06K9/62;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 孫翠賢;馬敬

本公開提供了一種特征提取網絡的訓練方法、裝置及電子設備，涉及數據處理技術領域，尤其涉及人工智能模型訓練領域。具體實現方案為：獲取訓練集中的樣本圖像；將樣本圖像輸入分類模型，得到模型輸出結果和樣本圖像的目標圖像特征；識別所述目標圖像特征和指定特征的相似性，得到識別結果；利用模型輸出結果與識別結果，生成樣本圖像的類別預測結果；基于類別預測結果和樣本圖像的類別標簽，對分類模型的模型參數進行調整，并返回獲取訓練集中樣本圖像的步驟，直至模型收斂，得到訓練完成的特征提取網絡。通過本方案，可以在降低資源占用的同時保證特征提取網絡的準確度。

技術領域

本公開涉及數據處理技術領域，尤其涉及人工智能模型訓練領域，具體涉及一種特征提取網絡的訓練方法、裝置及電子設備。

背景技術

針對對象識別場景而言，通常利用特征提取網絡，提取待識別圖像的圖像特征，然后，識別所提取圖像特征與底庫中各個圖像特征的相似性，并基于識別出的相似性，確定出待識別圖像中的對象。其中，底庫中每一圖像特征為針對一對象的圖像特征。

相關技術中，訓練用于進行對象分類的分類模型，待模型收斂后，將分類模型中的特征提取網絡，確定為訓練完成的特征提取網絡，以用于后續的對象識別場景。

發明內容

本公開提供了一種特征提取網絡的訓練方法、裝置及電子設備。

根據本公開的一方面，提供了一種特征提取網絡的訓練方法，包括：

獲取訓練集中的樣本圖像；

將所述樣本圖像輸入分類模型，得到模型輸出結果和所述樣本圖像的目標圖像特征；其中，所述分類模型包括特征提取網絡和全連接層，所述分類模型的全連接層用于建模各個目標類別，各個目標類別為所述訓練集所覆蓋的部分類別；

識別所述目標圖像特征和指定特征的相似性，得到識別結果；其中，所述指定特征為屬于輔助類別的圖像的圖像特征，各個目標類別和輔助類別中存在所述樣本圖像所屬的類別；

利用所述模型輸出結果與識別結果，生成所述樣本圖像的類別預測結果；

基于所述類別預測結果和所述樣本圖像的類別標簽，對所述分類模型的模型參數進行調整，并返回所述獲取訓練集中樣本圖像的步驟，直至模型收斂，得到訓練完成的特征提取網絡。

根據本公開的另一方面，提供了一種特征提取網絡的訓練裝置，包括：

獲取模塊，用于獲取訓練集中的樣本圖像；

輸入模塊，用于將所述樣本圖像輸入分類模型，得到模型輸出結果和所述樣本圖像的目標圖像特征；其中，所述分類模型包括特征提取網絡和全連接層，所述分類模型的全連接層用于建模各個目標類別，各個目標類別為所述訓練集所覆蓋的部分類別；

識別模塊，用于識別所述目標圖像特征和指定特征的相似性，得到識別結果；其中，所述指定特征為屬于輔助類別的圖像的圖像特征，各個目標類別和輔助類別中存在所述樣本圖像所屬的類別；

生成模塊，用于利用所述模型輸出結果與識別結果，生成所述樣本圖像的類別預測結果；

調整模塊，用于基于所述類別預測結果和所述樣本圖像的類別標簽，對所述分類模型的模型參數進行調整，并返回所述獲取訓練集中樣本圖像的步驟，直至模型收斂，得到訓練完成的特征提取網絡。

根據本公開的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述特征提取網絡的訓練方法。