[发明专利]图像检索模型的训练方法、装置、设备和存储介质有效

专利信息
申请号: 202110051446.7 申请日: 2021-01-15
公开(公告)号: CN112380369B 公开(公告)日: 2021-05-28
发明(设计)人: 闾凡兵;翟亚静;曹达;秦拯;姚胜;曾海文 申请(专利权)人: 长沙海信智能系统研究院有限公司
主分类号: G06F16/53 分类号: G06F16/53;G06N3/08
代理公司: 北京东方亿思知识产权代理有限责任公司 11258 代理人: 赵秀芹
地址: 410017 湖南省长沙市岳麓区洋湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检索 模型 训练 方法 装置 设备 存储 介质
【权利要求书】:

1.一种图像检索模型的训练方法,其特征在于,包括:

根据第一子网络、预设图像库中的第一素描图像和第一RGB图像,生成所述第一素描图像对应的第二RGB图像,以及所述第一RGB图像对应的第二素描图像;

根据所述第一素描图像、所述第二素描图像、所述第一RGB图像和所述第二RGB图像训练所述第一子网络,得到第一目标子网络;

使用所述第一目标子网络获取所述第一素描图像对应的目标RGB图像,以及所述第一RGB图像对应的目标素描图像;

将所述目标素描图像、所述目标RGB图像、所述第一素描图像和所述第一RGB图像转换至同一模态,得到目标模态图像;

提取所述目标模态图像的特征,得到特征向量;

根据所述特征向量训练预设的第二子网络,得到第二目标子网络;

根据所述第一目标子网络和所述第二目标子网络,确定图像检索模型。

2.根据权利要求1所述的方法,其特征在于,所述根据所述第一素描图像、所述第二素描图像、所述第一RGB图像和所述第二RGB图像训练所述第一子网络,得到第一目标子网络,包括:

根据所述第一素描图像、所述第二素描图像、所述第一RGB图像、所述第二RGB图像和预设损失函数确定第一损失值;

根据所述第一损失值对所述第一子网络进行对抗训练,得到训练后的第一子网络;

在所述训练后的第一子网络的损失值满足第一预设条件的情况下,确定所述训练后的第一子网络为所述第一目标子网络。

3.根据权利要求2所述的方法,其特征在于,所述使用所述第一目标子网络获取所述第一素描图像对应的目标RGB图像,以及所述第一RGB图像对应的目标素描图像,包括:

向所述第一目标子网络输入所述第一素描图像,输出所述第一素描图像对应的所述目标RGB图像;

向所述第一目标子网络输入所述第一RGB图像,输出所述第一RGB图像对应的所述目标素描图像。

4.根据权利要求1所述的方法,其特征在于,所述目标模态图像包括分别由所述第一素描图像、所述第二RGB图像、所述目标素描图像和所述目标RGB图像转换得到的第一图像、第二图像、第三图像和第四图像;所述提取所述目标模态图像的特征,得到特征向量,包括:

分别提取所述第一图像、第二图像、第三图像和第四图像的特征,得到所述第一图像对应的第一特征向量、所述第二图像对应的第二特征向量和所述第三图像对应的第三特征向量、所述第四图像对应的第四特征向量;

其中,所述特征向量包括所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量。

5.根据权利要求4所述的方法,其特征在于,所述根据所述特征向量训练预设的第二子网络,得到第二目标子网络,包括:

根据三元组损失函数和交叉熵损失函数确定第一损失函数;

根据所述第一特征向量、所述第二特征向量、所述第三特征向量、所述第四特征向量和所述第一损失函数确定第二损失值;

根据所述第二损失值对所述第二子网络进行训练,得到训练后的第二子网络;

在所述训练后的第二子网络的损失值满足第二预设条件的情况下,确定所述训练后的第二子网络为所述第二目标子网络。

6.根据权利要求1所述的方法,其特征在于,所述根据所述第一目标子网络和所述第二目标子网络,确定图像检索模型,包括:

将所述第一目标子网络和所述第二目标子网络以端到端的方式进行级联,得到所述图像检索模型。

7.根据权利要求1所述的方法,其特征在于,在所述根据第一子网络、预设图像库中的第一素描图像和第一RGB图像,生成所述第一素描图像对应的第二RGB图像,以及所述第一RGB图像对应的第二素描图像之前,所述方法还包括:

根据变分自编码器对所述第一素描图像和所述第一RGB图像进行编码解码处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙海信智能系统研究院有限公司,未经长沙海信智能系统研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110051446.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top