[发明专利]获取目标对象识别模型的方法、装置及电子设备

说明书

本公开提供了一种获取目标对象识别模型的方法、装置及电子设备，涉及计算机技术领域，尤其涉及智能学习、深度学习技术领域。具体实现方案为：获取无标签数据集的多个聚类结果，其中，多个上述聚类结果为独立且类簇规模不同的聚类结果，每个上述聚类结果包括一种聚类设置下得到的所有类簇；根据上述无标签数据集中的每张预训练图像对应的类簇，为每个上述聚类结果分配对应的伪标签；基于上述伪标签对初始识别模型进行无监督对比训练，得到目标对象识别模型。

技术领域

本公开涉及智能学习、深度学习技术领域，尤其涉及一种获取目标对象识别模型的方法、装置及电子设备。

背景技术

目前，行人在识别方案主要分为两种：一种是有监督训练方案，即采用公开数据集或自行收集的数据，并对上述数据进行标注处理，基于上述标注后的数据进行监督式行人再识别模型训练。但该方法的数据采集以及标注成本偏高。

另一种是无监督训练方案，即使用无标签的数据，无需对数据进行标注，通过聚类方法得到数据的伪标签，然后再以伪标签作为监督信号进行监督式行人再识别模型训练。但该方法获得的伪标签中存在噪声，导致模型训练精度较差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本公开提供了一种用于获取目标对象识别模型的方法、装置及电子设备。

根据本公开的一方面，提供了一种获取目标对象识别模型的方法，包括：获取无标签数据集的多个聚类结果，其中，多个上述聚类结果为独立且类簇规模不同的聚类结果，每个上述聚类结果包括一种聚类设置下得到的所有类簇；根据上述无标签数据集中的每张预训练图像对应的类簇，为每个上述聚类结果分配对应的伪标签；基于上述伪标签对初始识别模型进行无监督对比训练，得到目标对象识别模型。

根据本公开的另一方面，提供了一种目标对象识别方法，包括：获取待识别图像，其中，上述待识别图像中包含目标对象；将上述待识别图像输入至目标对象识别模型，其中，上述目标对象识别模型为基于无标签数据集的多个聚类结果对应的伪标签，对初始识别模型进行无监督对比训练得到；接收上述目标对象识别模型返回的识别处理结果。

根据本公开的另一方面，提供了一种获取目标对象识别模型的装置，包括：获取模块，用于获取无标签数据集的多个聚类结果，其中，多个上述聚类结果为独立且类簇规模不同的聚类结果，每个上述聚类结果包括一种聚类设置下得到的所有类簇；分配模块，用于根据上述无标签数据集中的每张预训练图像对应的类簇，为每个上述聚类结果分配对应的伪标签；训练模块，用于基于上述伪标签对初始识别模型进行无监督对比训练，得到目标对象识别模型。

根据本公开的另一方面，提供了一种目标对象识别装置，包括：获取单元，用于获取待识别图像，其中，上述待识别图像中包含目标对象；识别单元，用于将上述待识别图像输入至目标对象识别模型，其中，上述目标对象识别模型为基于无标签数据集的多个聚类结果对应的伪标签，对初始识别模型进行无监督对比训练得到；接收单元，用于接收上述目标对象识别模型返回的识别处理结果。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任一项上述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行任一项上述的获取目标对象识别模型的方法，或者上述的目标对象识别方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现任一项上述的获取目标对象识别模型的方法，或者上述的目标对象识别方法。

根据本公开的另一方面，提供了一种获取目标对象识别模型的产品，包括：如上述的电子设备。