申请/专利权人：北京百度网讯科技有限公司

申请日：2020-12-25

公开（公告）日：2021-04-09

公开（公告）号：CN112633276A

主分类号：G06K9/32(20060101)

分类号：G06K9/32(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本申请公开了一种图像识别模型的训练方法、图像识别方法、装置、设备、介质和程序产品，涉及人工智能领域，尤其涉及计算机视觉、深度学习技术。实现方案为：获取样本图像及其标注信息，其中，标注信息包括按正负样本维度进行标注的初始标注信息，以及对样本图像中的正样本按不同的细粒度维度划分的至少一种细粒度标注信息；将样本图像输入预先搭建的图像识别模型，其中，图像识别模型包括至少两个独立的卷积层，不同的卷积层用于从不同维度提取样本图像的特征图的特征向量；根据样本图像的不同维度的标注信息，分别用各维度对应的损失函数对图像识别模型进行监督训练，其中，损失函数用于回传至与其对应维度的卷积层。本申请能提高图像识别精度。

主权项：1.一种图像识别模型的训练方法，包括：获取样本图像及其标注信息，其中，所述标注信息包括按正负样本维度进行标注的初始标注信息，以及对所述样本图像中的正样本按不同的细粒度维度划分的至少一种细粒度标注信息；将所述样本图像输入预先搭建的图像识别模型，其中，所述图像识别模型包括至少两个独立的卷积层，不同的卷积层用于从不同维度提取样本图像的特征图的特征向量；根据所述样本图像的不同维度的标注信息，分别用各维度对应的损失函数对所述图像识别模型进行监督训练，其中，所述损失函数用于回传至与其对应维度的卷积层。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 训练方法、识别方法、装置、设备、介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD