[发明专利]图像识别模型训练方法、装置及存储介质

摘要

本发明提供一种图像识别模型训练方法、装置及存储介质，该方法包括：根据N个样本数据，生成多个训练数据对；将所述多个训练数据对输入基于Siamese网络结构的深度神经网络模型中；获取所述训练数据对中两个样本数据在深度神经网络模型的每层网络层的输出信息；计算所述训练数据对中第一对比损失函数和第二对比损失函数；根据所述第一对比损失函数、所述第二对比损失函数以及softmax损失函数，更新所述深度神经网络模型的参数。本发明提供的方法可以使训练后的模型能够识别出同一类别下的不同模态的图像，提高了模型识别图像的正确率。

主权项

1.一种图像识别模型训练方法，其特征在于，包括：根据N个样本数据，生成多个训练数据对；其中，所述训练数据对由两个所述样本数据组成；所述N个样本数据包括：至少两种模态下的多种类别的样本数据；将所述多个训练数据对输入基于Siamese网络框架的深度卷积神经网络模型中；获取所述训练数据对中两个样本数据在深度卷积神经网络模型的每层网络层的输出信息；所述深度卷积神经网络模型包含L层网络层，其中，L大于1；计算所述训练数据对中第一对比损失函数和第二对比损失函数；其中，所述第一对比损失函数用于表示同一模态下的任意两个所述样本数据之间的相似度，所述第二对比损失函数用于表示不同模态下的任意两个所述样本数据之间的相似度；根据所述第一对比损失函数、所述第二对比损失函数以及softmax损失函数，更新所述深度卷积神经网络模型的网络参数。