[发明专利]模型训练方法、图像信息管理方法、图像识别方法及装置

说明书

本发明公开了一种模型训练方法、图像信息管理方法、图像识别方法及装置。所述模型训练方法包括：对初始图像处理模型进行随机初始化；所述初始图像处理模型包括特征提取分支和原型构建分支；固定原型构建分支参数，将训练图像集输入至初始图像处理模型，得到第一输出结果；根据第一输出结果确定损失函数，利用损失函数对特征提取分支的初始化参数进行更新；固定特征提取分支更新后的参数，将训练图像集输入至初始图像处理模型中，得到第二输出结果；根据第二输出结果确定损失函数，利用损失函数对原型构建分支的初始化参数进行更新；根据特征提取分支更新后的参数构建商品指纹提取模型，以使商品指纹提取模型输出的商品指纹具备更好的区分性。

技术领域

本发明涉及图像处理技术领域，特别涉及一种模型训练方法、图像信息管理方法、图像识别方法及装置。

背景技术

商品指纹技术是一种通过数字编码形式表示商品的独特性和其关系的技术，通过商品指纹建模技术可以得到商品图片的有效表示，无需人工做商品区分标记，因此商品指纹建模技术可快速推广至商品分类、相似商品检索等应用中。

目前，应用商品指纹匹配技术进行商品识别时，需在商品指纹数据库中存储各商品的基准指纹，以使目标商品指纹在完整的指纹数据库中进行搜索和识别。然而，在实际应用场景中，快销行业商品往往种类繁多且推陈出新较快，且商品拍摄时易受斜拍、摆放姿态及光照等环境影响，使得商品指纹数据库内需保存的基准指纹规模庞大，占用了大量的内存，同时也使得商品指纹匹配过程需花费更多的指纹库遍历查找时间，识别效率低下。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种模型训练方法、图像信息管理方法、图像识别方法及装置，可提高商品指纹的区分性，同时降低存储的指纹数量，所述技术方案如下：

第一方面，本发明提供一种模型训练方法，包括：

对初始图像处理模型的参数进行随机初始化；其中，所述初始图像处理模型包括特征提取分支和原型构建分支；

固定所述原型构建分支的初始化参数，将训练图像集输入至所述初始图像处理模型，得到第一输出结果；

根据所述第一输出结果确定损失函数的值，利用所述损失函数的值对所述特征提取分支的初始化参数进行更新；

固定所述特征提取分支更新后的参数，将所述训练图像集输入至特征提取分支参数更新后的初始图像处理模型中，得到第二输出结果；

根据所述第二输出结果确定所述损失函数的值，利用所述损失函数的值对所述原型构建分支的初始化参数进行更新；

根据所述特征提取分支更新后的参数构建商品指纹提取模型。

作为进一步改进，所述第一输出结果和所述第二输出结果均包括所述特征提取分支输出的商品指纹和所述原型构建分支输出的指纹原型。

作为进一步改进，所述类别损失定义为：

式中，f_x表示所述特征提取分支输出的商品指纹，e表示所述原型构建分支输出的指纹原型，T表示温度系数，N表示图像样本数量；

所述类内类间损失定义为：

式中，表示边界阈值，Z_p表示第一输出结果或第二输出结果中与所述特征提取分支输出的商品指纹类别相同的结果，Z_n表示第一输出结果或第二输出结果中与所述特征提取分支输出的商品指纹类别不相同的结果。