[发明专利]一种模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取原始训练样本集和增强训练样本集；其中，所述原始训练样本集包括原始样本图片和所述原始样本图片对应的参考标签，所述增强训练样本集包括增强样本图片；所述增强样本图片为根据所述原始样本图片所确定的；

利用所述原始训练样本集对决策模型进行强化学习训练，得到训练后的决策模型；

将所述原始训练样本集中的原始样本图片输入所述训练后的决策模型，得到所述原始样本图片对应的第一特征向量；

将所述原始训练样本集中的原始样本图片和所述增强训练样本集中的增强样本图片分别输入泛化模型，得到所述原始样本图片对应的第二特征向量和所述增强样本图片对应的第三特征向量；

利用所述第一特征向量、所述第二特征向量和所述第三特征向量，对所述训练后的决策模型的模型参数进行调整，得到目标决策模型。

2.根据权利要求1所述的方法，其特征在于，所述增强样本图片为对所述原始样本图片进行预设处理所得到的；其中，所述预设处理的方式包括以下至少一种：裁剪、局部覆盖、增加图像噪声。

3.根据权利要求1所述的方法，其特征在于，所述利用所述原始训练样本集对决策模型进行强化学习训练，得到训练后的决策模型，包括：

将所述原始训练样本集中的原始样本图片输入所述决策模型，得到所述原始样本图片对应的第一特征向量；

将所述原始样本图片对应的第一特征向量输入预设的分类器或回归器，得到所述原始样本图片对应的预测标签；

根据所述原始样本图片对应的预测标签和参考标签，确定所述原始样本图片对应的奖励值；

利用所述原始样本图片、所述原始样本图片对应的参考标签、所述原始样本图片对应的预测标签和所述原始样本图片对应的奖励值，对所述决策模型的模型参数进行调整，得到训练后的决策模型。

4.根据权利要求1所述的方法，其特征在于，所述利用所述第一特征向量、所述第二特征向量和所述第三特征向量，对所述训练后的决策模型的模型参数进行调整，得到目标决策模型，包括：

利用所述第一特征向量、所述第二特征向量和所述第三特征向量，分别对所述训练后的决策模型的模型参数和所述泛化模型的模型参数进行调整，得到调整后的决策模型和调整后的泛化模型；

若所述调整后的决策模型的模型参数满足预设条件，则将所述调整后的决策模型作为所述目标决策模型。

5.根据权利要求4所述的方法，其特征在于，所述利用所述第一特征向量、所述第二特征向量和所述第三特征向量，分别对所述训练后的决策模型的模型参数和所述泛化模型的模型参数进行调整，得到调整后的决策模型和调整后的泛化模型，包括：

根据所述第一特征向量、所述第二特征向量和所述第三特征向量，确定对比学习损失值；

利用所述对比学习损失值分别对所述训练后的决策模型的模型参数和所述泛化模型的模型参数进行调整，得到调整后的决策模型和调整后的泛化模型。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若所述调整后的决策模型的模型参数不满足所述预设条件，根据所述调整后的决策模型的模型参数和所述调整后的泛化模型的模型参数，确定目标模型参数；

根据所述目标模型参数，对所述调整后的泛化模型的模型参数进行更新，得到更新后的泛化模型；以及，继续执行所述利用所述原始训练样本集对决策模型进行强化学习训练，得到训练后的决策模型的步骤，直至所述决策模型的模型参数满足所述预设条件。

7.根据权利要求6所述的方法，其特征在于，所述根据所述调整后的决策模型的模型参数和所述调整后的泛化模型的模型参数，确定目标模型参数，包括：

将所述调整后的泛化模型的模型参数与预设的第一权重值的乘积作为第一参数值；

将所述调整后的决策模型的模型参数与预设的第二权重值的乘积作为第二参数值；其中，所述第二权重值是根据所述第一权重值所确定的；

将所述第一参数值与所述第二参数值之和作为目标模型参数。