【技术实现步骤摘要】
本专利技术实施例涉及图像识别，尤其涉及一种图像搜索模型的训练方法、装置、设备及存储介质。
技术介绍
1、随着快递行业快速发展，快递的种类越来越多，从而很多危害社会安定的包裹也会通过快递进行运输。当发现违禁品时，追溯快递包裹来源十分重要。
2、在现有技术中，需要通过安检员从海量的快递安检图像中查找、匹配到该违禁品对应的快递安检图像。但通过此种方式进行违禁包裹查验时，不仅耗时耗力、还因违禁包裹数量较多导致搜索难度大、效率低下，并且难以保证违禁包裹搜索的准确度。
技术实现思路
1、本专利技术提供了一种图像搜索模型的训练方法、装置、设备及存储介质，以提高搜索效率和搜索准确度。
2、第一方面，本专利技术实施例提供了一种图像搜索模型的训练方法，该方法包括：
3、对n张原始图像分别进行m次数据处理，得到所述原始图像对应的样本图像集合；
4、通过待训练的图像搜索模型中的主干网络分别对各所述样本图像集合中的所述样本图像进行局部特征提取，得到所述原始图像对应的局
本文档来自技高网...【技术保护点】
1.一种图像搜索模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述原始图像的所述全局特征序列和所述量化特征序列，构建损失函数，并采用所述损失函数对所述图像搜索模型进行无监督训练，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过图像搜索模型中的注意力层分别对所述原始图像的所述局部特征序列进行全局特征提取，得到所述原始图像的全局特征序列，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过图像搜索模型中的量化层对所述原始图像的所述全局特征序列进行量化，得到所述原始图像的量化特征序
【技术特征摘要】
1.一种图像搜索模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述原始图像的所述全局特征序列和所述量化特征序列，构建损失函数，并采用所述损失函数对所述图像搜索模型进行无监督训练，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过图像搜索模型中的注意力层分别对所述原始图像的所述局部特征序列进行全局特征提取，得到所述原始图像的全局特征序列，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过图像搜索模型中的量化层对所述原始图像的所述全局特征序列进行量化，得到所述原始图像的量化特征序列，具体用于：
5.根据权利要求1所...
【专利技术属性】
技术研发人员：李林超，周凯，权家新，
申请(专利权)人：浙江啄云智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。