CN114638304B 图像识别模型的训练方法、图像识别方法及装置 （北京奇艺世纪科技有限公司）

WO2021082589A1,2021.05本发明实施例提供了一种图像识别模型的2分别对每个所述训练样本进行显著性目标检测，并基于获得的显著性目标检测结果，所述分别对每个所述训练样本进行显著性目标检测，并基于获针对每一训练样本，利用预构建的显著性目标检测模型将所述训练样本输入预构建的特征提取模型，获得所述预构建的将所述显著性图像输入所述预构建的特征提取模型，获得所述预构根据所述多个训练样本的目标特征数据，对预设的对抗分类网所述根据所述多个训练样本的目标特征数据，对预设的对抗分一网络参数对所述多个训练样本的目标特征数据进行编码后得到的隐藏层利用预设的对抗损失函数，对所述隐藏层特在所述训练样本数据集中负样本所占比例大于正样本所占根据所述正样本的目标特征数据和所述采样负样本的目标特征在训练所述图像识别模型的下一迭代轮次时，对所述训练样本数据集根据所述正样本的目标特征数据和所述新的采样负样本的目标特3对所述待识别图像进行显著性目标检测，并基于获得的显著性目标检根据所述待识别图像的目标特征数据和预设的图像识别模型，对所述对所述待识别图像进行显著性目标检测，并基于将所述待识别图像输入预构建的特征提取模型，获得所述预构建将所述显著性图像输入所述预构建的特征提取模型，获得所述预构根据所述待识别图像的目标特征数据和预设的图像识别模型，对将所述待识别图像的目标特征数据输入所述自编码器，获取所述自所述目标特征数据进行编码后得到的隐藏层特特征工程模块，用于分别对每个所述训练样本进行显模型训练模块，用于根据所述多个训练样本的目标特征数据，训练得到所述所述特征工程模块还用于：针对每一训练样本，利用预构建的显著性4特征确定模块，用于对所述待识别图像进行显著性所述特征确定模块还用于：利用预构建的显著性目标检测模型对所处理器，用于执行存储器上所存放的程序时，实现权利要求1-3或4-行时实现如权利要求1-3或4-5中任一5其第一网络参数对所述多个训练样本的目标特征数据进行编码后得到的隐藏层特征数据；6正样本的数量相同；根据所述正样本的目标特征数据和所述采样负样本的目标特征数据，显著性图像输入所述预构建的特征提取模型，获得所述预构建的特征提取模型的输出结7像的结构相似的图像，大幅度提升了目标图像的召回效果，减少对正常图像(即非目标图[0020]图1示意性示出了本发明一实施例的图像识别模型的训练方法的主要流程的示意[0022]图3示意性示出了本发明实施例的图像识别模型的训练方法显著性目标检测结果[0027]图8示意性示出了适用于本发明实施例的图像识别模型的训练方法或图像识别方8[0029]图1示意性示出了本发明一实施例的图像识别模型的训练方法的主要流程的示意[0031]该多个训练样本包括正样本和负样本，所述正样本为画面中包括目标对象的图[0034]本步骤中可以通过预构建的显著性目标检测模型分别对正样本和负样本进行显9模型可以将训练样本中的显著性目标与图像背景分割(segmentation)开，并检测其骨骼[0042]本步骤中的特征提取模型可以通过卷积神经网络(CNN，ConvolutionalNeural本对应的显著性图像的第二特征数据可以表征训练样本中的显著性目[0046]本步骤通过训练样本的第一特征数据以及该训练样本对应的显著性图像的第二新当前网络的网络参数学习对抗数据，如此循环直至模型收敛或达到其他停止条件(例如为编码(coding)，同时用学习到的新特征可以重构出原始输入数据，称之为解码[0052]在可选的实施例中，通过对抗学习更新自编码器和分类器的网络参数的过程包[0053]利用预设的样本重构损失函数，对所述多个训练样本的其第一网络参数对所述多个训练样本的目标特征数据进行编码后得到的[0057]分布约束阶段：通过最小化预设的对抗损失函数更新分类器D的网络参数以及编[0060]本发明实施例的图像识别模型的训练方法，在学习训练要对负样本进行采样(例如无放回的均匀采样)，得到与正样本数量相同的多个采样负样97000个负样本中均匀采样3000个新的采样负样本，根据该3000个新的采样负样本以及[0070]该目标特征数据可以通过预构建的显著性目标检测模型对待识别图像进行显著可以将待识别图像中的显著性目标与图像背景分割(segmentation)开，并检测其骨骼第四特征数据进行融合，如将第三特征数据与第四特征数据进行相乘或求笛卡尔积或相器对所述目标特征数据进行编码后得到的隐[0085]本实施例中的图像识别模型采用自编码器的网络结构以及对抗学习的参数更新下一迭代轮次时，对所述训练样本数据集中除所述采样负样本外的剩余负样本进行采样，[0098]图像识别模块703，用于根据所述待识别图像的目标特征数据和预设的图像识别像的结构相似的图像，大幅度提升了目标图像的召回效果，减少对正常图像(即非目标图[0105]上述终端提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandard[0108]上述的处理器可以是通用处理器，包括中央处理器(CentralProce简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecific述的图像