特征提取模型的训练方法技术

本申请实施例公开了一种特征提取模型的训练方法

【技术实现步骤摘要】
特征提取模型的训练方法、装置、设备及存储介质


[0001]本申请实施例涉及计算机
，特别涉及一种特征提取模型的训练方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着计算机技术的飞速发展，图像特征广泛应用于图像搜索
、
图像识别等多种领域中，具有重要的研究意义
。
[0003]相关技术中，通常会基于相似的图像训练特征提取模型，以使特征提取模型能够学习到相似图像的图像特征之间的关联性，从而具备提取图像特征的能力，训练完成的特征提取模型即可用于提取任一图像的图像特征
。
[0004]但是，由于训练特征提取模型时仅考虑了图像之间的相似性，因此特征提取模型所提取的图像特征难以充分表征整个图像的特征，导致所提取的图像特征不够准确
。

技术实现思路

[0005]本申请实施例提供了一种特征提取模型的训练方法
、
装置
、
设备及存储介质，能够提高特征提取模型所提取的图像特征的准确性
。...

【技术保护点】

【技术特征摘要】
1.
一种特征提取模型的训练方法，其特征在于，所述方法包括：获取样本图像和样本类别特征，所述样本类别特征表征所述样本图像所属的类别；调用特征提取模型，对所述样本图像进行特征提取，得到图像特征；将所述图像特征划分为语义特征和非语义特征，所述语义特征表征由所述特征提取模型预测的所述样本图像的语义，所述非语义特征为所述图像特征中除了所述语义特征之外的其他特征；基于所述语义特征与所述样本类别特征之间的第一差值，训练所述特征提取模型，以使训练后的所述特征提取模型划分的语义特征与所述样本类别特征之间的差值减小
。2.
根据权利要求1所述的方法，其特征在于，所述将所述图像特征划分为语义特征和非语义特征，包括：获取语义掩码和非语义掩码，所述语义掩码指示任一图像的语义特征在图像特征中的位置，所述非语义掩码指示任一图像的非语义特征在图像特征中的位置；基于所述语义掩码，对所述图像特征进行掩码处理，将得到的特征确定为所述语义特征；基于所述非语义掩码，对所述图像特征进行掩码处理，将得到的特征确定为所述非语义特征
。3.
根据权利要求1所述的方法，其特征在于，所述将所述图像特征划分为语义特征和非语义特征，包括：获取映射关系，所述映射关系是指任一图像的图像特征中的位置与任一类别特征中的位置之间的映射关系；基于所述映射关系，在所述图像特征中确定与所述样本类别特征中的多个第一位置之间存在映射关系的多个第二位置，其中，所述图像特征中的所述多个第二位置上的特征构成所述语义特征，所述图像特征中除了所述多个第二位置上的特征之外的其他特征构成所述非语义特征
。4.
根据权利要求1所述的方法，其特征在于，获取所述样本类别特征，包括：生成多个类别特征，每个类别特征包括多个数值，且所述多个数值中每种数值的个数相等；将所述多个类别特征分别分配给多个预设类别，每个预设类别对应的类别特征不同；确定所述样本图像所属的多个类别；将所述多个类别对应的类别特征构成所述样本类别特征
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述语义特征与所述样本类别特征之间的第一差值，训练所述特征提取模型，以使训练后的所述特征提取模型划分的语义特征与所述样本类别特征之间的差值减小，包括：基于所述第一差值以及所述非语义特征的不确定性参数，训练所述特征提取模型，以使训练后的所述特征提取模型划分的语义特征与所述样本类别特征之间的差值减小，且划分的非语义特征的不确定性参数增大，其中，所述不确定性参数表示所述非语义特征的不确定性程度
。6.
根据权利要求5所述的方法，其特征在于，所述基于所述第一差值以及所述非语义特征的不确定性参数，训练所述特征提取模型，包括：
确定第一损失参数，所述第一损失参数与所述第一差值正相关；确定第二损失参数，所述第二损失参数与所述不确定性参数负相关；基于所述第一损失参数和所述第二损失参数，训练所述特征提取模型
。7.
根据权利要求1所述的方法，其特征在于，所述基于所述语义特征与所述样本类别特征之间的第一差值，训练所述特征提取模型，以使训练后的所述特征提取模型划分的语义特征与所述样本类别特征之间的差值减小，包括：将所述图像特征进行二值量化，得到量化特征；基于所述第一差值以及所述图像特征与所述量化特征之间的第二差值，训练所述特征提取模型，以使训练后的所述特征提取模型划分的语义特征与所述样本类别特征之间的差值减小，且训练后的所述特征提取模型得到的图像特征与对应的量化特征之间的差值减小
。8.
根据权利要求1所述的方法，其特征在于，所述样本图像包括第一样本图像
、
第二样本图像和第三样本图像，所述第二样本图像与所述第一样本图像相似，所述第三样本图像与所述第一样本图像不相似；所述基于所述语义特征与所述样本类别特征之间的第一差值，训练所述特征提取模型，以使...

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