[发明专利]特征提取模型训练、样本检索方法、装置和计算机设备在审
申请号: | 202111247520.9 | 申请日: | 2021-10-26 |
公开(公告)号: | CN114358109A | 公开(公告)日: | 2022-04-15 |
发明(设计)人: | 郭卉 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 刘佳妮 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征 提取 模型 训练 样本 检索 方法 装置 计算机 设备 | ||
本申请涉及一种特征提取模型训练、样本检索方法、装置、计算机设备和存储介质。所述方法包括:将第一样本组中的各个样本输入初始特征提取模型,得到初始分类特征、初始语义特征和初始融合特征;第一样本组包括目标样本、对应的参考样本和样本的类别标签,初始特征提取模型包括样本分类网络、非语义特征提取网络和特征融合网络;基于同一样本对应的初始分类特征和类别标签得到分类损失;基于目标样本和参考样本对应的其他特征得到特征损失;基于特征损失和分类损失调整初始特征提取模型的模型参数,直至满足收敛条件,得到用于提取输入样本的样本特征的目标特征提取模型,样本特征用于进行样本检索。采用本方法能够提高模型的训练效率。
技术领域
本申请涉及计算机技术领域,特别是涉及一种特征提取模型训练、样本检索方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,出现了检索技术,例如,图像检索技术。检索技术是通过提取查询样本的特征,基于查询样本的特征与样本检索库中存储的样本特征进行匹配,从而在样本检索库中检索到与查询样本较为相似的样本。
传统技术中,通常是将样本输入模型进行特征提取,一个模型用于提取一种特征,这样,针对不同的特征需要分别训练不同的模型,训练耗时。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高训练效率的特征提取模型训练、样本检索方法、装置、计算机设备和存储介质。
一种特征提取模型训练方法,所述方法包括:
获取第一样本组,将所述第一样本组中的各个样本输入初始特征提取模型;所述第一样本组包括目标样本、所述目标样本对应的参考样本和各个样本对应的类别标签,所述初始特征提取模型包括样本分类网络、非语义特征提取网络和特征融合网络;
通过所述样本分类网络输出初始分类特征和初始语义特征,通过所述非语义特征提取网络输出初始非语义特征;
通过所述特征融合网络,对同一样本的初始语义特征和初始非语义特征进行融合,得到各个样本分别对应的初始融合特征;
基于所述目标样本和参考样本对应的初始语义特征、初始非语义特征和初始融合特征计算损失,得到特征损失;
基于同一样本对应的初始分类特征和类别标签计算损失,得到分类损失;
基于所述特征损失和分类损失,调整所述初始特征提取模型的模型参数,直至满足收敛条件,得到目标特征提取模型;所述目标特征提取模型用于提取输入样本的样本特征,所述样本特征用于进行样本检索。
在一个实施例中,初始语义特征、初始非语义特征和初始融合特征对应的特征尺寸相同。
一种特征提取模型训练装置,所述装置包括:
第一样本组处理模块,用于获取第一样本组,将所述第一样本组中的各个样本输入初始特征提取模型;所述第一样本组包括目标样本、所述目标样本对应的参考样本和各个样本对应的类别标签,所述初始特征提取模型包括样本分类网络、非语义特征提取网络和特征融合网络;
特征输出模块,用于通过所述样本分类网络输出初始分类特征和初始语义特征,通过所述非语义特征提取网络输出初始非语义特征;
特征融合模块,用于通过所述特征融合网络,对同一样本的初始语义特征和初始非语义特征进行融合,得到各个样本分别对应的初始融合特征;
特征损失确定模块,用于基于所述目标样本和参考样本对应的初始语义特征、初始非语义特征和初始融合特征计算损失,得到特征损失;
分类损失确定模块,用于基于同一样本对应的初始分类特征和类别标签计算损失,得到分类损失;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111247520.9/2.html,转载请声明来源钻瓜专利网。