[發明專利]基于多級標簽的圖像識別模型訓練方法、裝置

有效

• 申請號: 202210888906.6
• 申請日: 2022-07-27
• 公開（公告）號: CN115375963B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 王遠航;王靜宇;李蹊;李建華;李浩浩;張昆鵬;梅一多
• 申請（專利權）人: 中關村科學城城市大腦股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/047;G06N3/084
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 孫姣

本公開的實施例公開了基于多級標簽的圖像識別模型訓練方法、裝置。該方法的一具體實施方式包括：對樣本圖像集進行多級標注，得到樣本圖像集中每個樣本圖像的三級標簽；構建初始圖像識別網絡；基于樣本圖像集和樣本圖像集中的樣本圖像對應的三級標簽，以不同的學習率進行三階段訓練，得到圖像識別模型。實現了在解決訓練樣本不足的同時，避免了遷移不匹配的問題。

技術領域

本公開的實施例涉及計算機技術領域，具體涉及基于多級標簽的圖像識別模型訓練方法、裝置。

背景技術

遷移學習是一種機器學習方法，就是把為任務A開發的模型作為初始點，重新使用在為任務B開發模型的過程中。遷移學習被廣泛應用在模型訓練過程中，以解決訓練樣本不足的問題。

然而，發明人發現，當采用遷移學習進行訓練時，經常會存在如下技術問題：

第一，在為任務B開發模型的過程中，由于任務A與任務B的類型差異往往會帶來遷移不匹配的問題。

第二、采用分階段的學習方式，不同階段的學習率如何準確設置存在困難，目前一般都是根據經驗設置的，難以準確設置不同階段的學習率。

第三、在二階段訓練和三階段訓練過程中，如何保證此前學習到的特征很好的遷移的同時，進一步的進行學習。

該背景技術部分中所公開的以上信息僅用于增強對本發明構思的背景的理解，并因此，其可包含并不形成本國的本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的內容部分用于以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。本公開的內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

本公開的一些實施例提出了基于多級標簽的圖像識別模型訓練方法、裝置、設備、計算機可讀介質，來解決以上背景技術部分提到的技術問題中的一項或多項。

第一方面，本公開的一些實施例提供了基于多級標簽的圖像識別模型訓練方法，包括：對樣本圖像集進行多級標注，得到樣本圖像集中每個樣本圖像的三級標簽，三級標簽包括一級標簽、二級標簽、三級標簽；構建初始圖像識別網絡，初始圖像識別網絡包括輸入層、中間層和一級輸出層；基于樣本圖像集和樣本圖像集中的樣本圖像對應的一級標簽，以第一學習率對初始圖像識別網絡進行訓練，得到一階段圖像識別網絡；將一階段圖像識別網絡的一級輸出層刪除，并添加第一全連接層和二級輸出層，得到處理后一階段圖像識別網絡；基于樣本圖像集和樣本圖像集中的樣本圖像對應的一級標簽和二級標簽，以第二學習率對處理后一階段圖像識別網絡進行訓練，得到二階段圖像識別網絡，第二學習率小于第一學習率；將二階段圖像識別網絡中的二級輸出層刪除，并添加第二全連接層和三級輸出層，得到處理后二階段圖像識別網絡；基于樣本圖像集和樣本圖像集中的樣本圖像對應的一級標簽、二級標簽和三級標簽，以第三學習率對處理后二階段圖像識別網絡進行訓練，得到圖像識別模型，第三學習率小于第二學習率。