[发明专利]模型训练方法、装置、计算机程序产品及设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取针对目标模型进行模型训练的目标批次样本集，所述目标批次样本集包括M个样本子集，M为大于1的整数；不同的样本子集具有不同的样本准确度，每个样本子集中包括一个或多个三元组图像样本；

调用所述目标模型，分别对所述每个样本子集中的各个三元组图像样本进行特征提取，得到所述每个样本子集中的各个三元组图像样本的图像特征；

分别根据所述每个样本子集中的各个三元组图像样本的图像特征，以及所述每个样本子集中的单个三元组图像样本所需满足的图像差异条件，计算所述目标模型通过所述每个样本子集所产生的目标三元组损失值；图像差异条件是指：三元组图像样本中的不相似样本的距离与相似样本的距离之差大于距离阈值；任一样本子集所对应的图像差异条件中的距离阈值与所述任一样本子集的样本准确度相关，且样本准确度较大的样本子集所对应的图像差异条件中的距离阈值，小于样本准确度较小的样本子集所对应的图像差异条件中的距离阈值；

根据所述每个样本子集对应的目标三元组损失值，更新所述目标模型的模型参数。

2.根据权利要求1所述的方法，其特征在于，所述目标批次样本集包括第一样本子集和第二样本子集，所述第一样本子集的样本准确度大于所述第二样本子集的样本准确度；所述调用所述目标模型，分别对所述每个样本子集中的各个三元组图像样本进行特征提取，得到所述每个样本子集中的各个三元组图像样本的图像特征之前，所述方法还包括：

调用所述目标模型，对所述第一样本子集中的各个三元组图像样本进行特征提取，得到所述第一样本子集中的各个三元组图像样本的图像特征；

根据所述第一样本子集中的各个三元组图像样本的图像特征，以及所述第一样本子集中的单个三元组图像样本所需满足的图像差异条件，计算所述目标模型通过所述第一样本子集所产生的初始三元组损失值；

按照减小所述第一样本子集对应的初始三元组损失值的方向，更新所述目标模型的模型参数。

3.根据权利要求1所述的方法，其特征在于，所述目标批次样本集包括第一样本子集和第二样本子集，所述第一样本子集的样本准确度大于所述第二样本子集的样本准确度；其中，所述目标模型通过所述第二样本子集所产生的目标三元组损失值的计算方式，包括：

遍历所述第二样本子集中的各个三元组图像样本，并将当前遍历的三元组图像样本作为当前三元组图像样本；

根据所述当前三元组图像样本的图像特征，以及所述第二样本子集中的单个三元组图像样本所需满足的图像差异条件，计算所述当前三元组图像样本对应的初始三元组损失值；

对所述当前三元组图像样本进行噪声检测，并根据检测结果对所述当前三元组图像样本对应的初始三元组损失值进行修正，得到所述当前三元组图像样本对应的修正三元组损失值；

在所述第二样本子集中的各个三元组图像样本均被遍历后，对所述第二样本子集中的各个三元组图像样本对应的修正三元组损失值进行整合，得到所述目标模型通过所述第二样本子集所产生的目标三元组损失值。

4.根据权利要求3所述的方法，其特征在于，所述目标模型被按序依次采用P个批次样本集进行训练，且从第p个批次样本集开始，批次样本集中的第二样本子集在模型训练过程中被进行噪声检测，P为正整数，p的取值大于0且小于或等于P；其中，所述目标批次样本集为所述第p个批次样本集，或位于所述第p个批次样本集后的一个批次样本集；

所述对所述当前三元组图像样本进行噪声检测，包括：

从记忆单元中获取历史三元组损失值，其中，在任一第二样本子集被进行噪声检测后，所述历史三元组损失值通过所述任一第二样本子集所对应的初始三元组损失值进行动量更新；所述任一第二样本子集对应的初始三元组损失值，是所述任一第二样本子集中的全部或部分三元组图像样本对应的初始三元组损失值之间的均值；

根据所述历史三元组损失值，生成多个三元组损失值范围，一个三元组损失值范围用于确定一个噪声程度；

从所述多个三元组损失值范围中，确定所述当前三元组图像样本对应的初始三元组损失值所属的三元组损失值范围，并根据所述当前三元组图像样本对应的初始三元组损失值所属的三元组损失值范围，确定所述当前三元组图像样本的噪声程度。