申请/专利权人:北京百度网讯科技有限公司
申请日:2023-03-31
公开(公告)日:2024-04-16
公开(公告)号:CN116468816B
主分类号:G06T11/00
分类号:G06T11/00;G06V10/25;G06V10/774;G06V10/82;G06V10/40;G06V10/77;G06N3/08;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2023.08.08#实质审查的生效;2023.07.21#公开
摘要:本公开提供了图像重建模型的训练方法、商品识别方法、装置及设备。本公开涉及人工智能技术领域,具体为计算机视觉、图像处理、深度学习等技术领域,可应用于智慧城市等场景。具体实现方案为:随机选取各样本图像的K个随机掩码区域及其对应的K个原始图像;对各样本图像的K个随机掩码区域进行随机掩码处理,得到各样本图像的经过随机掩码处理后的输入图像;将各样本图像的输入图像和K个随机掩码区域的检测框输入图像重建模型,得到各样本图像的K个预测图像;基于各样本图像的K个预测图像和K个原始图像,对图像重建模型进行训练,得到图像重建模型。根据本公开的方案,能够增强模型的细粒度特征表达能力,从而提升商品识别的准确性。
主权项:1.一种图像重建模型的训练方法,包括:随机选取各样本图像的K个随机掩码区域,K为正整数;获取各样本图像的所述K个随机掩码区域对应的K个原始图像;对各样本图像的所述K个随机掩码区域进行随机掩码处理,得到各样本图像的经过随机掩码处理后的输入图像;将各样本图像的所述输入图像和所述K个随机掩码区域的检测框输入图像重建模型,得到各样本图像的K个预测图像;基于各样本图像的所述K个预测图像和所述K个原始图像,对所述图像重建模型进行训练,得到所述图像重建模型,所述图像重建模型用于作为商品识别模型的初始模型;其中,所述图像重建模型采用基于卷积神经网络的编码器-解码器网络结构,在所述编码器与所述解码器之间设置感兴趣区域对齐ROIAlign模块,所述ROIAlign模块用于根据各样本图像的所述K个随机掩码区域的检测框的位置,从各样本图像的特征图中提取出所述K个随机掩码区域的特征向量。
全文数据:
权利要求:
百度查询: 北京百度网讯科技有限公司 图像重建模型的训练方法、商品识别方法、装置及设备
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。