【技术实现步骤摘要】
图像识别模型的训练方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
,具体涉及深度学习、计算机视觉等
,可应用于图像处理和图像识别场景下,尤其涉及图像识别模型的训练方法、装置、电子设备及存储介质。
技术介绍
[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]相关技术中,在图像识别模型的训练过程中,未充分利用图像的多模态优势,从而导致训练得到图像识别模型的图像识别性能较差。
技术实现思路
[0004]本公开提供了一种图像识别模型的训练方法、图像识别方法、装置、电子设备、存储介质及计算机程序产品。
[0005]根据本公开的第一方面,提供了一种图像识别模型的训练方法,包括:获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初 ...
【技术保护点】
【技术特征摘要】
1.一种图像识别模型的训练方法,包括:获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。2.根据权利要求1所述的方法,所述初始的图像识别模型包括:多个残差网络、与所述多个残差网络分别相连接的多个协同注意力网络,以及待训练图像识别模型,其中,所述根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型,包括:将所述多个样本图像分别输入至对应所述多个残差网络之中,以得到所述多个残差网络分别输出的多个初始模态特征,其中,所述初始模态特征,是预测得到的描述相应所述样本图像的模态的特征;将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个预测关系特征;在所述多个预测关系特征与分别对应所述多个标注关系特征之间满足第一收敛条件时,根据所述多个预测关系特征、所述标注识别信息训练所述待训练图像识别模型,以得到所述目标图像识别模型。3.根据权利要求2所述的方法,其中,所述根据所述多个预测关系特征、所述标注识别信息训练所述待训练图像识别模型,以得到所述目标图像识别模型,包括:将所述多个预测关系特征输入至所述待训练图像识别模型之中,以得到所述待训练图像识别模型输出的预测识别信息;如果所述预测识别信息和所述标注识别信息之间满足第二收敛条件,将训练得到的所述图像识别模型作为所述目标图像识别模型。4.根据权利要求2所述的方法,其中,所述将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个预测关系特征,包括:将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个注意力响应特征;确定与所述初始模态特征对应的多个参考注意力响应特征,所述参考注意力响应特征,是所述多个注意力响应特征之中除所述初始模态特征所对应注意力响应特征之外的其他注意力响应特征;根据所述多个参考注意力响应特征处理所述初始模态特征,以得到对应的预测关系特征。5.根据权利要求4所述的方法,其中,所述根据所述多个参考注意力响应特征处理所述初始模态特征,以得到对应的预测关系特征,包括:从所述初始模态特征之中解析得到第一模态特征和第二模态特征,其中,所述第一模
态特征和所述第二模态特征不相同;对所述第一模态特征和第二模态特征进行连接处理,以得到参考模态特征;对所述初始模态特征和所述参考模态特征进行融合处理,得到待处理模态特征;根据所述多个参考注意力响应特征处理所述待处理模态特征,以得到所述对应的预测关系特征。6.根据权利要求5所述的方法,其中,所述根据所述多个参考注意力响应特征处理所述待处理模态特征,以得到所述对应的预测关系特征,包括:对所述多个参考注意力响应特征进行相加处理,以得到目标注意力响应特征;对所述目标注意力响应特征和所述待处理模态特征进行相乘处理,以得到所述对应的预测关系特征。7.根据权利要求5所述的方法,其中,所述第一模态特征,是与所述初始模态特征对应的所述样本图像中,背景区域对应的局部模态特征,所述第二模态特征,是与所述初始模态特征对应的所述样本图像中的梯度信息特征。8.一种图像识别方法,包括:获取多个待识别图像,其中,所述多个待识别图像分别对应多种模态;将所述多个待识别图像分别输入至如上述权利要求1
‑
7中任一项的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到所述目标图像识别模型输出的目标识别信息。9.一种图像识别模型的训练装置,包括:第一获取模块,用于获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;确定模块,用于根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,...
【专利技术属性】
技术研发人员:张国生,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。