[发明专利]网络训练、行人重识别方法及装置、电子设备和存储介质

权利要求书

1.一种网络训练方法，其特征在于，所述方法应用于客户端，所述客户端中部署有第一神经网络和本地图像数据集，所述方法包括：

接收服务端发送的第一网络参数，其中，所述服务端中部署有第二神经网络，所述第一网络参数是所述服务端联合至少两个所述客户端对所述第二神经网络进行训练获得；

根据所述第一网络参数、所述本地图像数据集、以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行至少一轮训练，得到第二网络参数；

向所述服务端发送所述第二网络参数，其中，所述第二网络参数用于训练所述服务端中部署的所述第二神经网络，以更新所述第一网络参数；

迭代地执行上述步骤，直至迭代训练满足第一预设训练条件，迭代训练后的所述第一神经网络和/或所述第二神经网络用于对待处理图像进行图像处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一网络参数、所述本地图像数据集、以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行至少一轮训练，得到第二网络参数，包括：

根据所述第一网络参数、所述本地图像数据集，以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行当前轮次的训练，确定所述当前轮次的训练是否满足第二预设训练条件；

在所述当前轮次的训练不满足所述第二预设训练条件的情况下，继续对所述第一神经网络进行下一轮次的训练；或者，

在所述当前轮次的训练满足所述第二预设训练条件的情况下，将所述当前轮次的训练生成的网络参数确定为所述第二网络参数。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在经过预设目标训练轮数的训练后，所述第一神经网络仍不满足所述第二预设训练条件的情况下，将经过所述预设目标训练轮数的训练生成的网络参数确定为所述第二网络参数。

4.根据权利要求2或3所述的方法，其特征在于，所述本地图像数据集包括多个图像数据子集；

所述根据所述第一网络参数、所述本地图像数据集，以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行当前轮次的训练，确定所述当前轮次的训练是否满足第二预设训练条件，包括：

在所述当前轮次的训练中，每个所述图像数据子集对应的训练精度均大于或等于第一训练精度阈值的情况下，确定所述当前轮次的训练满足所述第二预设训练条件。

5.根据权利要求2或3所述的方法，其特征在于，所述本地图像数据集包括多个图像数据子集；

所述根据所述第一网络参数、所述本地图像数据集，以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行当前轮次的训练，确定所述当前轮次的训练是否满足第二预设训练条件，包括：

根据所述当前轮次的训练中，多个所述图像数据子集对应的训练精度的平均值，确定所述当前轮次的训练对应的平均训练精度；

在所述当前轮次的训练对应的平均训练精度大于或等于第二训练精度阈值的情况下，确定所述当前轮次的训练满足所述第二预设训练条件。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，在执行所述迭代训练之前，所述方法还包括：

确定所述客户端对应的目标聚类参数，其中，所述目标聚类参数用于指示对所述本地图像数据集执行一次聚类操作需要聚合的类数，其中，所述本地图像数据集中包括多个目标图像，相同类下的目标图像对应相同的标签。

7.根据权利要求6所述的方法，其特征在于，所述确定所述客户端对应的目标聚类参数，包括：

确定所述本地图像数据集对应的目标类数；

根据所述多个目标图像的数量，确定所述本地图像数据集对应的初始类数；

根据所述目标类数、所述初始类数、以及迭代训练对应的预设训练回合数，确定所述目标聚类参数。