[发明专利]一种特征提取网络的训练方法、装置及电子设备

说明书

本公开提供了一种特征提取网络的训练方法、装置及电子设备，涉及数据处理技术领域，尤其涉及人工智能模型训练领域。具体实现方案为：获取训练集中的样本图像；将样本图像输入分类模型，得到模型输出结果和样本图像的目标图像特征；识别所述目标图像特征和指定特征的相似性，得到识别结果；利用模型输出结果与识别结果，生成样本图像的类别预测结果；基于类别预测结果和样本图像的类别标签，对分类模型的模型参数进行调整，并返回获取训练集中样本图像的步骤，直至模型收敛，得到训练完成的特征提取网络。通过本方案，可以在降低资源占用的同时保证特征提取网络的准确度。

技术领域

本公开涉及数据处理技术领域，尤其涉及人工智能模型训练领域，具体涉及一种特征提取网络的训练方法、装置及电子设备。

背景技术

针对对象识别场景而言，通常利用特征提取网络，提取待识别图像的图像特征，然后，识别所提取图像特征与底库中各个图像特征的相似性，并基于识别出的相似性，确定出待识别图像中的对象。其中，底库中每一图像特征为针对一对象的图像特征。

相关技术中，训练用于进行对象分类的分类模型，待模型收敛后，将分类模型中的特征提取网络，确定为训练完成的特征提取网络，以用于后续的对象识别场景。

发明内容

本公开提供了一种特征提取网络的训练方法、装置及电子设备。

根据本公开的一方面，提供了一种特征提取网络的训练方法，包括：

获取训练集中的样本图像；

将所述样本图像输入分类模型，得到模型输出结果和所述样本图像的目标图像特征；其中，所述分类模型包括特征提取网络和全连接层，所述分类模型的全连接层用于建模各个目标类别，各个目标类别为所述训练集所覆盖的部分类别；

识别所述目标图像特征和指定特征的相似性，得到识别结果；其中，所述指定特征为属于辅助类别的图像的图像特征，各个目标类别和辅助类别中存在所述样本图像所属的类别；

利用所述模型输出结果与识别结果，生成所述样本图像的类别预测结果；

基于所述类别预测结果和所述样本图像的类别标签，对所述分类模型的模型参数进行调整，并返回所述获取训练集中样本图像的步骤，直至模型收敛，得到训练完成的特征提取网络。

根据本公开的另一方面，提供了一种特征提取网络的训练装置，包括：

获取模块，用于获取训练集中的样本图像；

输入模块，用于将所述样本图像输入分类模型，得到模型输出结果和所述样本图像的目标图像特征；其中，所述分类模型包括特征提取网络和全连接层，所述分类模型的全连接层用于建模各个目标类别，各个目标类别为所述训练集所覆盖的部分类别；

识别模块，用于识别所述目标图像特征和指定特征的相似性，得到识别结果；其中，所述指定特征为属于辅助类别的图像的图像特征，各个目标类别和辅助类别中存在所述样本图像所属的类别；

生成模块，用于利用所述模型输出结果与识别结果，生成所述样本图像的类别预测结果；

调整模块，用于基于所述类别预测结果和所述样本图像的类别标签，对所述分类模型的模型参数进行调整，并返回所述获取训练集中样本图像的步骤，直至模型收敛，得到训练完成的特征提取网络。

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

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述特征提取网络的训练方法。