申请/专利权人：北京旷视科技有限公司;北京迈格威科技有限公司

申请日：2021-07-13

公开（公告）日：2024-04-23

公开（公告）号：CN113657406B

主分类号：G06V10/40

分类号：G06V10/40;G06V10/74;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.12.03#实质审查的生效;2021.11.16#公开

摘要：本申请提供一种模型训练和特征提取方法、装置、电子设备及存储介质，包括：针对第i次模型训练，获取图像样本集中的一张样本图像对应的至少三张增强图像；将至少三张增强图像中的一张增强图像输入至在线特征提取模型中，得到待查特征向量，并将至少三张增强图像中的剩余增强图像输入至目标特征提取模型中，得到至少两个正样本特征向量；在基于待查询特征向量和i次模型训练所得到的正样本特征向量确定的第一损失值不满足预设条件时，基于第一损失值对目标特征提取模型和在线特征提取模型中的参数进行更新，在更新时，利用该张样本图像的至少两个正样本特征向量来确定第一损失值，有效缩小正样本与负样本之间的数量差距，继而提高模型训练精度。

主权项：1.一种模型训练方法，其特征在于，所述方法包括：针对第i次模型训练，获取图像样本集中的一张样本图像对应的至少三张增强图像；所述至少三张增强图像为对所述样本图像进行数据增强得到；所述至少三张增强图像各不相同；i为大于等于1的正整数；将所述至少三张增强图像中的一张增强图像输入至在线特征提取模型中，得到待查特征向量，并将所述至少三张增强图像中的剩余增强图像输入至目标特征提取模型中，得到至少两个正样本特征向量；所述目标特征提取模型根据所述在线特征提取模型确定；基于待查询特征向量和i次模型训练所得到的正样本特征向量，确定第一损失值；在确定所述第一损失值不满足预设条件时，基于所述第一损失值对所述目标特征提取模型和所述在线特征提取模型中的参数进行更新，直到利用更新后的在线特征提取模型和更新后的目标特征提取模型确定的新的损失值满足所述预设条件；所述基于待查询特征向量和i次模型训练所得到的正样本特征向量，确定第一损失值，包括：获取精炼负样本特征集；所述精炼负样本特征集包括：负样本库中与待查特征向量的内积满足第一预设条件的特征向量；所述负样本库中存储前i-1次中的每次模型训练所得到的至少两个正样本特征向量的平均结果；i为大于等于2的正整数；基于所述精炼负样本特征集、所述待查询特征向量和所述第i次模型训练所得到的正样本特征向量，得到所述第一损失值；所述基于所述精炼负样本特征集、所述待查询特征向量和所述第i次模型训练所得到的正样本特征向量，得到所述第一损失值，包括：将所述精炼负样本特征集、所述待查询特征向量，以及所述第i次模型训练所得到的正样本特征向量，输入至第一损失函数中，得到第一损失参数的所述第一损失值。

全文数据：

权利要求：

百度查询： 北京旷视科技有限公司;北京迈格威科技有限公司 模型训练和特征提取方法、装置、电子设备及存储介质

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