【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种人体识别模型的训练方法、装置、设备及介质。
技术介绍
1、
2、基于监督学习的重识别方法原理是将人体图像作为重识别模型的输入，将人工标注的人体身份标签作为模型的期望输出，从而训练模型提取人体图像的身份特征，并对人体身份分类。由于监督学习方法需要人工标注大量成对数据标签，但是在实际应用中，为每个应用场景标注大规模的数据集成本高昂，该方法在实际应用中受到了较大限制。为了解决这个问题，近年来一些基于自监督的重识别方法，主要通过在对未标记的数据上进行聚类，或从已标记的源数据域中将知识迁移到目标数据域上。然而，现有的自监督重识别方法的模型性能并不令人满意，与监督算法相比，基于自监督重识别得到的模型的识别精度显著下降。因此，在进行自监督的重识别学习中，如何提高重识别模型的识别精度成为亟需解决的问题。
技术实现思路
1、鉴于此，本专利技术实施例提供了一种人体识别模型的训练方法、装置、设备及介质，以解决在进行自监督的重识别学习中，重识别模型的重识别精度较低的问题。
2、第一方面，本专利技术实施例提供一种人体识别模型的训练方法，所述训练方法包括：
3、获取第二输入人体图像与所述第二输入人体图像的图像标签；
4、使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对所述人体识别模型进行训练，得到训练好的人体识别模型，所述训练好的人体识别模型用于对人体图像进行特征提取，所述人体识别模型包括预设的自适应编码器与训练好
5、第二方面，本专利技术实施例提供一种人体识别模型的训练装置，所述训练装置包括：
6、获取模块，用于获取第二输入人体图像与所述第二输入人体图像的图像标签；
7、训练模块，用于使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对所述人体识别模型进行训练，得到训练好的人体识别模型，所述训练好的人体识别模型用于对人体图像进行特征提取，所述人体识别模型包括预设的自适应编码器与训练好的图像-文本模型中的图像编码器。
8、第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的训练方法。
9、第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的训练方法。
10、本专利技术与现有技术相比存在的有益效果是：
11、获取第二输入人体图像与第二输入人体图像的图像标签，使用第二输入人体图像与第二输入人体图像的图像标签，对人体识别模型进行训练，得到训练好的人体识别模型，训练好的人体识别模型用于对人体图像进行特征提取，人体识别模型包括预设的自适应编码器与训练好的图像-文本模型中的图像编码器。本申请中，对包括预设的自适应编码器与训练好的图像-文本模型中的图像编码器的人体识别模型进行训练，训练过程中，使用预设的自适应编码器与训练好的图像-文本模型中的图像编码器分别进行特征提取，以便于将自适应编码器提取的特征融合至图像特征中，提高特征的区分度，从而提高人体识别模型的训练精度。
本文档来自技高网...【技术保护点】
1.一种人体识别模型的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的训练方法，其特征在于，所述使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对人体识别模型进行训练之前，还包括：
3.如权利要求2所述的训练方法，其特征在于，所述通过预训练好的图像-文本模型与预设的文本提示词对所述第一输入人体图像进行伪标签标注，得到所述第一输入人体图像的伪标签，包括：
4.如权利要求3所述的训练方法，其特征在于，所述根据所述图像编码特征与所述文本编码特征，对所述第一输入人体图像匹配目标文本提示词，包括：
5.如权利要求1所述的训练方法，其特征在于，所述使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对人体识别模型进行训练，得到训练好的人体识别模型，包括：
6.如权利要求5所述的训练方法，其特征在于，所述使用所述人体识别模型对所述第二输入人体图像进行特征提取，得到图像特征，包括：
7.如权利要求5所述的训练方法，其特征在于，所述使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对人体
8.一种人体识别模型的训练装置，其特征在于，所述训练装置包括：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的训练方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的训练方法。
...【技术特征摘要】
1.一种人体识别模型的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的训练方法，其特征在于，所述使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对人体识别模型进行训练之前，还包括：
3.如权利要求2所述的训练方法，其特征在于，所述通过预训练好的图像-文本模型与预设的文本提示词对所述第一输入人体图像进行伪标签标注，得到所述第一输入人体图像的伪标签，包括：
4.如权利要求3所述的训练方法，其特征在于，所述根据所述图像编码特征与所述文本编码特征，对所述第一输入人体图像匹配目标文本提示词，包括：
5.如权利要求1所述的训练方法，其特征在于，所述使用所述第二输入人体图像与所述第二输入人体图像的图像标签，对人体识别模型进行训练，得到训练好的人体识别模型，包括：
6....
【专利技术属性】
技术研发人员：何烨林，魏新明，肖嵘，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。