图像检索模型的训练方法及图像检索方法、装置、及介质制造方法及图纸

本发明专利技术实施例公开了一种图像检索模型的训练方法及图像检索方法，其中图像检索模型包括神经网络模块、哈希计算模块、分类器模块以及元梯度模块；上述图像检索模型的训练方法包括：获取训练图像集，将训练样本图像输入神经网络模型，获取第一特征向量；通过哈希计算模块计算第二哈希特征向量；通过分类模型确定第三分类向量；根据训练样本标签、第一特征向量、第二哈希特征向量、第三分类向量确定图像检索模型的目标更新参数，根据目标更新参数对图像检索模型进行参数更新。本发明专利技术实施例还公开了相应的装置、设备及存储介质。采用本发明专利技术，可提高图像检索的准确性。

Training method of image retrieval model and image retrieval method, device and medium

【技术实现步骤摘要】
图像检索模型的训练方法及图像检索方法、装置、及介质
本专利技术涉及计算机
，尤其涉及一种图像检索模型的训练方法、装置、设备和可读介质以及一种图像检索方法、装置、设备和可读介质。
技术介绍
随着多媒体信息的发展，人们对于图像检索的需求越来越多，对于图像检索的准确性也越来越高。传统的图像检索以文字描述输入为主，其背后支撑的技术依旧是传统的文字信息检索系统；而基于图像输入的检索可以大幅丰富检索场景，比如搜索图像出处、检索类似风格图像等。由于图像所包含的信息十分丰富，相比起传统文字检索方法，图像检索方法的复杂度较高，检索准确性较低。
技术实现思路
基于此，有必要针对上述问题，提出了一种图像检索模型的训练方法、装置、设备和可读介质以及一种图像检索方法、装置、设备和可读介质。一种图像检索模型的训练方法，所述图像检索模型包括神经网络模块、哈希计算模块、分类器模块以及元梯度模块；所述方法包括：获取训练图像集，所述训练图像集包括多个训练样本图像以及对应的训练样本标签；将所述训练样本图像输入所述神经网络模型本文档来自技高网...

【技术保护点】
1.一种图像检索模型的训练方法，其特征在于，所述图像检索模型包括神经网络模块、哈希计算模块、分类器模块以及元梯度模块；/n所述方法包括：/n获取训练图像集，所述训练图像集包括多个训练样本图像以及对应的训练样本标签；/n将所述训练样本图像输入所述神经网络模型，获取第一特征向量；/n通过所述哈希计算模块计算与所述第一特征向量对应的第二哈希特征向量；/n通过所述分类模型确定与所述第二哈希特征向量对应的第三分类向量；/n根据所述训练样本标签、所述第一特征向量、第二哈希特征向量、第三分类向量确定所述图像检索模型的目标更新参数，根据所述目标更新参数对所述图像检索模型进行参数更新。/n

【技术特征摘要】
1.一种图像检索模型的训练方法，其特征在于，所述图像检索模型包括神经网络模块、哈希计算模块、分类器模块以及元梯度模块；
所述方法包括：
获取训练图像集，所述训练图像集包括多个训练样本图像以及对应的训练样本标签；
将所述训练样本图像输入所述神经网络模型，获取第一特征向量；
通过所述哈希计算模块计算与所述第一特征向量对应的第二哈希特征向量；
通过所述分类模型确定与所述第二哈希特征向量对应的第三分类向量；
根据所述训练样本标签、所述第一特征向量、第二哈希特征向量、第三分类向量确定所述图像检索模型的目标更新参数，根据所述目标更新参数对所述图像检索模型进行参数更新。


2.根据权利要求1所述的图像检索模型的训练方法，其特征在于，所述根据所述样本标签、所述第一特征向量、第二哈希特征向量、第三分类向量确定所述图像检索模型的目标更新参数，根据所述目标更新参数对所述图像检索模型进行参数更新的步骤，还包括：
计算所述第三分类向量与所述样本标签之间的第一损失值，计算所述第一特征向量与所述第二哈希特征向量的第二损失值；
根据所述第一损失值和所述第二损失值计算目标损失值；
根据所述目标损失值确定与所述分类器模块对应的第一更新参数和与所述神经网络模块对应的第二更新参数；
根据所述第一更新参数和第二更新参数对所述分类器模块和所述神经网络模块进行模型参数更新。


3.根据权利要求2所述的图像检索模型的训练方法，其特征在于，所述计算所述第三分类向量与所述样本标签之间的第一损失值的步骤，还包括：根据预设的交叉熵损失值计算公式，计算与所述第三分类向量与所述样本标签之间的交叉熵损失值作为所述第一损失值；
所述计算所述第一特征向量与所述第二哈希特征向量的第二损失值的步骤，还包括：根据预设的均方误差损失值计算公式，计算与所述第一特征向量与所述第二哈希特征向量之间的均方误差值作为所述第二损失值；
所述根据所述第一损失值和所述第二损失值计算目标损失值的步骤，还包括：根据预设的加权系数，计算与所述第一损失值和第二损失值对应的目标损失值。


4.根据权利要求2所述的图像检索模型的训练方法，其特征在于，所述根据所述目标损失值确定与所述分类器模块对应的第一更新参数和与所述神经网络模块对应的第二更新参数的步骤，还包括：
计算所述目标损失值对所述分类器模块的梯度值，确定所述第一更新参数；
计算所述目标损失值对所述第二哈希特征向量的梯度值，将该梯度值和所述第一特征向量、第二哈希特征向量输入所述元梯度模块，获取元梯度模块输出的梯度值，确定所述第二更新参数；
所述根据所述第一更新参数和第二更新参数对所述分类器模块和所述神经网络模块进行模型参数更新的步骤之后，还包括：
根据所述目标损失值，确定与所述元梯度模块对应的第三更新参数；
根据所述第三更新参数对所述元梯度模块进行模型参数更新。


5.根据权利要求1至4任一所述的图像检索模型的训练方法，其特征在于，所述方法还包括：
获取测试图像...

【专利技术属性】
技术研发人员：王鑫，张泽阳，王子寒，
申请(专利权)人：深圳市升幂科技有限公司，
类型：发明
国别省市：广东;44