【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种特征提取模型训练方法、卷积神经网络训练方法、模型训练方法、特征提取方法、装置、设备及介质。
技术介绍
1、隐私计算中的多方安全计算(secure multi-party computation，mpc)是在无可信第三方情况下，多个参与方协同完成计算目标，并保证每个参与方除计算结果外均不能得到其他参与方的任何输入信息，可以很好的保护用户的隐私信息。
2、其中，如果输入信息是包含用户的隐私信息的图像时，为了保护用户的隐私信息，可以对该图像进行特征提取，基于提取到的特征向量进行多方安全计算。然而，如何快捷准确地提取到高精度的图像特征向量，是目前亟需解决的一个技术问题。
技术实现思路
1、本申请提供了一种特征提取模型训练方法、卷积神经网络训练方法、模型训练方法、特征提取方法、装置、设备及介质，用以快捷准确地提取到高精度的图像特征向量。
2、第一方面，本申请提供了一种特征提取模型训练方法，所述方法包括：
3、针对获取到的任一第一样本...
【技术保护点】
1.一种特征提取模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获得所述第一样本图像的第二特征向量之后，所述基于所述第二特征向量，对所述第一特征向量进行校准之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第一损失函数中包含所述每一维特征对应的重要性权重系数。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二特征向量，对所述第一特征向量进行校准，获得校准后的第一基准特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述第二特征向量中包含...
【技术特征摘要】
1.一种特征提取模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获得所述第一样本图像的第二特征向量之后，所述基于所述第二特征向量，对所述第一特征向量进行校准之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第一损失函数中包含所述每一维特征对应的重要性权重系数。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二特征向量，对所述第一特征向量进行校准，获得校准后的第一基准特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述第二特征向量中包含的每一维特征与所述第一特征向量中包含的每一维特征进行同或运算之后，所述获得校准后的第一基准特征向量之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述特征提取模型使用的激励函数包含：2quad激励函数。
7.根据权利要求1所述的方法，其特征在于，所述特征提取模型为基于知识蒸馏得到的模型。
8.一种卷积神经网络训练方法，其特征在于，所述方法包括：
9.根据权利要求8所述的方法，其特征在于，所述基于所述第四特征向量，对...
【专利技术属性】
技术研发人员：胡君一，王琪，高鹏飞，周雍恺，
申请(专利权)人：中国银联股份有限公司，
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。