[发明专利]对齐模型的训练方法、装置、计算机设备以及存储介质

权利要求书

1.一种对齐模型的训练方法，其特征在于，所述方法包括：

获取训练数据，所述训练数据包括多个类别的样本图片；

将所述样本图片按类别分别输入至基准特征提取模型，得到每个类别对应的基准提取结果，所述基准提取结果包括第一类中心以及多个第一特征；

将所述样本图片分别输入至待使用的特征提取模型，得到每个所述样本图片对应的预测提取结果，所述预测提取结果包括多个第二类中心以及多个第二特征；

根据所述第一类中心、第一特征、第二类中心以及第二特征，计算损失值；

根据所述损失值更新所述待使用的特征提取模型的网络参数，并返回执行所述获取训练数据，所述训练数据包括多个类别的样本图片的步骤，直到所述损失值满足预设训练完成条件，得到训练完成的特征提取模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

通过第一转换器对所述第一类中心以及所述第一特征进行对齐转换，得到第三类中心以及第三特征；

通过第二转换器对所述第二类中心以及所述第二特征进行对齐转换，得到第四类中心以及第四特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一类中心、第一特征、第二类中心以及第二特征，计算损失值，包括：

根据所述第一类中心、所述第二类中心、所述第三类中心以及所述第四类中心，计算对齐损失值；

根据所述样本图片中的第四特征、第一类中心以及预设夹角阈值，计算边界损失值；

根据所述对齐损失值、边界损失值以及预设分类损失值，计算损失值。

4.根据权利要求3所述的方法，其特征在于，所述根据所述对齐损失值、边界损失值以及预设分类损失值，计算损失值，包括：

根据所述对齐损失值对应的第一权重、所述对齐损失值、所述边界损失值对应的第二权重、所述边界损失值以及预设分类损失值，计算损失值。

5.根据权利要求3所述的方法，其特征在于，通过以下公式，计算所述对齐损失值：

其中，表示第j类别样本图片的第三类中心，表示第j类别样本图片的第二类中心，表示第j类别样本图片的第四类中心，表示第j类别样本图片的第一类中心，d表示距离函数，n表示所述样本图片的类别数目。

6.根据权利要求3所述的方法，其特征在于，通过以下公式，计算所述边界损失值：

其中，f_i^2→1表示第i张样本图片中的第四特征，表示第i张样本图片的第一类中心，表示预设夹角阈值，N表示某一类别中样本图片的数量。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于图片识别请求，获取待识别的图片数据；

将所述待识别的图片数据输入至所述训练完成的特征提取模型，得到图片特征数据；

分别计算所述图片特征数据与预设历史数据库中各类别类中心的距离；

将所述距离最小的类别作为所述待识别的图片数据的类别识别结果。

8.一种对齐模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取训练数据，所述训练数据包括多个类别的样本图片；

基准提取结果获取模块，用于将所述样本图片按类别分别输入至基准特征提取模型，得到每个类别对应的基准提取结果，所述基准提取结果包括第一类中心以及多个第一特征；

训练提取结果获取模块，用于将所述样本图片分别输出至待使用的特征提取模型，得到每个所述样本图片对应的预测提取结果，所述训练结果包括多个第二类中心以及多个第二特征；

损失值确定模块，用于根据所述第一类中心、第一特征、第二类中心以及第二特征，计算损失值；

判断模块，用于根据所述损失值更新所述待使用的特征提取模型的网络参数，并返回执行所述获取训练数据，所述训练数据包括多个类别的样本图片的步骤，直到所述损失值满足预设训练完成条件，得到训练完成的特征提取模型。