一种图像特征提取模型训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像特征提取模型训练方法、装置、电子设备及存储介质，包括：本发明专利技术实施例本申请实施例基于对包含N个图像特征提取子模型的图像特征提取模型进行训练，以得到能够对图像进行不同特征获取的多模型，从而更能适应与训练集分布不同的测试数据和应用数据，从多个特征中获取更能符合需求的特征，以提高数据应用的准确性。提高数据应用的准确性。提高数据应用的准确性。

【技术实现步骤摘要】
一种图像特征提取模型训练方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，特别涉及一种图像特征提取模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]对于常规的深度学习网络，在通过海量的训练数据进行训练时，可以最终收敛到一个位置。该收敛到的最小的极值点对应深度学习网络最终的网络参数。
[0003]然而，在利用测试数据或者应用数据对训练好的深度学习网络进行测试或者应用时，由于测试数据或者应用数据和训练数据的特征分布极有可能是不一样的，这就使得在网络训练时确定的最小的极值点并不是测试的时候或者应用的时候表现最好的点，进而导致通过训练好的网络进行应用得到的数据的准确性是无法保证的。

技术实现思路

[0004]为了解决现有技术的问题，本专利技术实施例提供了一种图像特征提取模型训练方法、装置、电子设备及存储介质。技术方案如下：
[0005]一方面，提供了一种图像特征提取模型训练方法，方法包括：
[0006]对多张原始样本图像进行数据增广处理，得到每张原始样本图像对应的N个样本图像组；N为大于等于2的整数；N个样本图像组中的每个样本图像组至少包括两张待处理图像；每张待处理图像携带有第一标识信息；
[0007]基于图像特征提取模型包含的N个图像特征提取子模型对每张原始样本图像对应的N个样本图像组进行一一对应的特征提取，得到每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息；N个图像特征提取子模型为N个结构相同的子模型；
[0008]基于每张待处理图像的图像特征信息确定每张待处理图像的第二标识信息；
[0009]基于每张待处理图像的图像特征信息，以及每张待处理图像对应的第一标识信息和第二标识信息对图像特征提取模型进行训练，得到训练好的图像特征提取模型；
[0010]训练好的图像特征提取模型中，同一样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值小于等于第一数值；不同样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值大于等于第二数值；第一数值小于第二数值。
[0011]另一方面，提供了一种图像特征提取方法，方法包括：
[0012]获取目标图像；
[0013]基于根据权利要求1
‑
6任一图像特征提取模型训练方法训练得到的图像特征提取模型进行特征提取，得到目标图像对应的N个图像特征信息；
[0014]基于N个图像特征信息确定N个标识信息。
[0015]另一方面，提供了一种图像特征提取模型训练装置，装置包括：
[0016]样本图像组确定模块，用于对多张原始样本图像进行数据增广处理，得到每张原
始样本图像对应的N个样本图像组；N为大于等于2的整数；N个样本图像组中的每个样本图像组至少包括两张待处理图像；每张待处理图像携带有第一标识信息；
[0017]特征确定模块，用于基于图像特征提取模型包含的N个图像特征提取子模型对每张原始样本图像对应的N个样本图像组进行一一对应的特征提取，得到每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息；N个图像特征提取子模型为N个结构相同的子模型；
[0018]标识信息确定模块，用于基于每张待处理图像的图像特征信息确定每张待处理图像的第二标识信息；
[0019]训练模块，用于基于每张待处理图像的图像特征信息，以及每张待处理图像对应的第一标识信息和第二标识信息对图像特征提取模型进行训练，得到训练好的图像特征提取模型；
[0020]训练好的图像特征提取模型中，同一样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值小于等于第一数值；不同样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值大于等于第二数值；第一数值小于第二数值。
[0021]在一些可能的实施例中，N个图像特征提取子模型为图像特征提取模型包含的N个图像特征提取分支模型；
[0022]图像特征提取模型还包括图像特征提取共享模型；
[0023]图像特征提取共享模型和N个图像特征提取分支模型中的每个图像特征提取分支模型串联连接。
[0024]在一些可能的实施例中，特征确定模块，用于：
[0025]基于图像特征提取共享模型对每张原始样本图像对应的N个样本图像组进行特征提取，得到每张原始样本图像对应的N个样本图像组对应的N个特征信息集；每个特征信息集包括每个特征信息集所属的样本图像组中包含的至少两张待处理图像对应的特征信息；
[0026]将N个特征信息集一一对应输入N个图像特征提取分支模型，利用N个图像特征提取分支模型对N个特征信息集进行特征处理，得到每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息。
[0027]在一些可能的实施例中，样本图像组确定模块，用于：
[0028]对多张原始样本图像中的每张原始样本图像进行清晰度调整处理、色彩变化处理、风格变化处理、滤波去噪处理或者尺寸变化处理，得到每张原始样本图像对应的至少2*N个待处理图像；
[0029]将至少2*N个待处理图像进行分组，得到每张原始样本图像对应的N个样本图像组。
[0030]在一些可能的实施例中，训练模块，用于：
[0031]基于预设损失函数确定每张待处理图像对应的第一标识信息和第二标识信息之间的损失值；
[0032]确定同一样本图像组中的待处理图像中，任意两个待处理图像对应的图像特征信息之间的第一距离数值；
[0033]确定不同样本图像组中的待处理图像中，任意两个待处理图像对应的图像特征信
息之间的第二距离数值；
[0034]基于每张待处理图像对应的损失值、第一距离数值、第二距离数值、第一数值和第二数值对图像特征提取模型进行训练，得到训练好的图像特征提取模型。
[0035]在一些可能的实施例中，训练模块，用于：
[0036]基于锐度感知规则、每张待处理图像的图像特征信息，以及每张待处理图像对应的第一标识信息和第二标识信息对图像特征提取模型进行训练，得到训练好的图像特征提取模型；以使第一标识信息和第二标识信息确定的损失值为损失曲面上，平缓度大于预设平缓度的曲面部分的极值点。
[0037]另一方面，提供了一种图像特征提取装置，装置包括：
[0038]图像获取模块，用于获取目标图像；
[0039]特征信息确定模块，用于基于任一图像特征提取模型训练方法训练得到的图像特征提取模型进行特征提取，得到目标图像对应的N个图像特征信息；
[0040]标识信息确定模块，用于基于N个图像特征信息确定N个标识信息。
[0041]另一方面，提供了一种电子设备，包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述的图像特征提取模型训练方法或者图像特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像特征提取模型训练方法，其特征在于，所述方法包括：对多张原始样本图像进行数据增广处理，得到每张原始样本图像对应的N个样本图像组；所述N为大于等于2的整数；所述N个样本图像组中的每个样本图像组至少包括两张待处理图像；每张待处理图像携带有第一标识信息；基于图像特征提取模型包含的N个图像特征提取子模型对所述每张原始样本图像对应的N个样本图像组进行一一对应的特征提取，得到所述每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息；所述N个图像特征提取子模型为N个结构相同的子模型；基于所述每张待处理图像的图像特征信息确定所述每张待处理图像的第二标识信息；基于所述每张待处理图像的图像特征信息，以及所述每张待处理图像对应的第一标识信息和第二标识信息对所述图像特征提取模型进行训练，得到训练好的图像特征提取模型；所述训练好的图像特征提取模型中，同一样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值小于等于第一数值；不同样本图像组中的待处理图像经过图像特征提取子模型后得到的图像特征信息之间的距离数值大于等于第二数值；所述第一数值小于所述第二数值。2.根据权利要求1所述的图像特征提取模型训练方法，其特征在于，所述N个图像特征提取子模型为所述图像特征提取模型包含的N个图像特征提取分支模型；所述图像特征提取模型还包括图像特征提取共享模型；所述图像特征提取共享模型和所述N个图像特征提取分支模型中的每个图像特征提取分支模型串联连接。3.根据权利要求2所述的图像特征提取模型训练方法，其特征在于，所述基于图像特征提取模型包含的N个图像特征提取子模型对所述每张原始样本图像对应的N个样本图像组进行一一对应的特征提取，得到所述每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息，包括：基于所述图像特征提取共享模型对所述每张原始样本图像对应的N个样本图像组进行特征提取，得到所述每张原始样本图像对应的N个样本图像组对应的N个特征信息集；每个特征信息集包括所述每个特征信息集所属的样本图像组中包含的至少两张待处理图像对应的特征信息；将所述N个特征信息集一一对应输入所述N个图像特征提取分支模型，利用所述N个图像特征提取分支模型对所述N个特征信息集进行特征处理，得到每张原始样本图像对应的N个样本图像组中的每张待处理图像的图像特征信息。4.根据权利要求1
‑
3任一所述的图像特征提取模型训练方法，其特征在于，所述对多张原始样本图像进行数据增广处理，得到每张原始样本图像对应的N个样本图像组，包括：对所述多张原始样本图像中的每张原始样本图像进行清晰度调整处理、色彩变化处理、风格变化处理、滤波去噪处理或者尺寸变化处理，得到每张原始样本图像对应的至少2*N个待处理图像；将所述至少2*N个待处理图像进行分组，得到所述每张原始样本图像对应的N个样本图像组。
5.根据权利要求1
‑
3任一所述的图像特征提取模型训练方法，其特征在于，所述基于所述每张待处理图像的图像特征信息，以及所述每张待处理图像对应的第一标识信息和第二标识信息对所述图像特征提取模型进行训练，得到训练好的图像特征提取模型，包括：基于预设损失函数确定所述每张待处理图像对应的第一标识信息和第二标识信息之间的损失值；确定同一样本图像组中的待处理图像中，任意两个待处理图像对应的图像特征信息之间的第一距离数值；确定不同样本图像组中的待处理图像中，任意两个待处理图像对应的图像特征信息之间的第二距离数值；基于所述每张待处理图像对应的损失值、所述第一距离数值、所述第二距离数值、所述...

【专利技术属性】
技术研发人员：郭安泰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：