目标识别模型训练、目标识别方法及装置制造方法及图纸

本申请公开了一种目标识别模型训练、目标识别方法及装置，用以降低目标识别模型训练的复杂度并提高训练效率，以及增加图像训练样本的多样性和利用率，从而降低训练成本，提高目标识别的准确性和鲁棒性。本申请提供的特征提取网络的训练方法中，所述特征提取网络用于对图像的特征进行提取，所述方法包括：利用训练中的特征提取网络对原始图像进行特征提取，得到图像特征；利用图像生成网络对所述图像特征进行图像重构，得到重构图像；基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络。特征提取网络。特征提取网络。

【技术实现步骤摘要】
目标识别模型训练、目标识别方法及装置


[0001]本申请涉及图像处理
，尤其涉及一种目标识别模型训练、目标识别方法及装置。

技术介绍

[0002]以下
技术介绍
的描述可以包括对本申请实施例的至少一些示例的见解、发现、理解或公开或关联、以及相关现有技术不知道但由本申请实施例提供的公开内容。本申请实施例的一些这种贡献可以在下面被具体指出，而本申请实施例的其他这种贡献将从相关上下文中显而易见。
[0003]现有技术中目标识别模型的训练过程中，编码器对原始图像进行编码后，再通过解码器进行还原，基于还原得到的图像和原始图像的差异训练编码器。也就是说，现有技术中编码器需要对整个原始图像进行编码，处理过程比较复杂、效率比较低。

技术实现思路

[0004]本申请实施例提供了一种目标识别模型训练、目标识别方法及装置，用以降低目标识别模型训练的复杂度并提高训练效率，以及增加图像训练样本的多样性和利用率，从而降低训练成本，提高目标识别的准确性和鲁棒性。
[0005]本申请实施例提供的一种特征提取网络的训练方法，所述特征提取网络用于对图像的特征进行提取，所述方法包括：
[0006]利用训练中的特征提取网络对原始图像进行特征提取，得到图像特征；
[0007]利用图像生成网络对所述图像特征进行图像重构，得到重构图像；
[0008]基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络。
[0009]可选地，所述方法还包括：
[0010]基于所述重构图像和所述原始图像之间的差异信息，调整所述图像生成网络的网络参数。
[0011]可选地，基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络，具体包括：
[0012]利用判别网络对所述重构图像和所述原始图像进行图像类型的识别，并确定判别损失值；
[0013]交替执行下列两个步骤或者仅执行其中的步骤A：
[0014]步骤A：利用所述判别损失值和所述差异信息，对所述训练中的特征提取网络的网络参数和所述图像生成网络的网络参数进行调整；
[0015]步骤B：利用所述判别损失值，对所述判别网络的网络参数进行调整。
[0016]本申请实施例提供的一种目标识别模型的训练方法，所述目标识别模型包括目标识别子网络和基于所述特征提取网络的训练方法获得的特征提取网络，所述目标识别模型
的训练方法包括：
[0017]输入包含标注信息的训练图像；
[0018]利用所述训练图像对所述目标识别子网络进行训练，得到训练后的目标识别模型。
[0019]可选地，利用所述训练图像对所述目标识别子网络进行训练，具体包括：
[0020]利用所述特征提取网络对所述训练图像进行特征提取，得到所述训练图像对应的图像特征；
[0021]利用所述目标识别子网络对所述训练图像对应的图像特征预测分类标签，并利用预测的分类标签和所述训练图像的标注信息，确定分类损失值；
[0022]基于所述分类损失值，至少对所述目标识别子网络的网络参数进行调整。
[0023]可选地，基于所述分类损失值，至少对所述目标识别子网络的网络参数进行调整，具体包括：
[0024]利用所述分类损失值，以及重构损失值和/或判别损失值，确定综合损失值；
[0025]利用所述综合损失值，至少对所述目标识别子网络的网络参数进行调整；
[0026]其中，所述重构损失值是采用如下方式确定的：利用基于所述特征提取网络的训练方法处理后的图像生成网络，对所述训练图像对应的图像特征进行图像重构，得到所述训练图像对应的重构图像；基于所述训练图像对应的重构图像和所述训练图像之间的差异信息，确定重构损失值；
[0027]所述判别损失值是采用如下方式确定的：利用基于所述特征提取网络的训练方法处理后的判别网络，对所述训练图像对应的重构图像和所述训练图像进行图像类型的识别，并确定所述训练图像对应的判别损失值。
[0028]可选地，利用所述综合损失值，至少对所述目标识别子网络的网络参数进行调整，具体包括：
[0029]利用所述综合损失值，对所述目标识别子网络和所述特征提取网络的网络参数进行调整。
[0030]可选地，利用所述综合损失值，至少对所述目标识别子网络的网络参数进行调整，具体包括：
[0031]利用所述综合损失值，对所述目标识别子网络的网络参数进行调整，当满足预设条件时，重新确定所述综合损失值，并利用重新确定的综合损失值，对所述目标识别子网络和所述特征提取网络的网络参数进行调整。
[0032]本申请实施例提供的一种目标识别方法，包括：
[0033]将待识别图像输入基于所述特征提取网络的训练方法获得的特征提取网络；
[0034]利用所述特征提取网络对所述待识别图像进行特征提取，得到图像特征并输出给目标识别子网络；
[0035]通过所述目标识别子网络对输入的图像特征进行识别，确定所述待识别图像的目标识别结果。
[0036]本申请实施例提供的另一种目标识别方法，包括：
[0037]将待识别图像输入基于所述目标识别模型的训练方法获得的目标识别模型；
[0038]利用所述目标识别模型中的特征提取网络对所述待识别图像进行特征提取，得到
图像特征并输出给所述目标识别模型中的目标识别子网络；
[0039]通过所述目标识别模型中的目标识别子网络对输入的图像特征进行识别，确定所述待识别图像的目标识别结果。
[0040]本申请另一实施例提供了一种计算设备，其包括存储器和处理器，其中，所述存储器用于存储程序指令，所述处理器用于调用所述存储器中存储的程序指令，按照获得的程序执行上述任一所述的方法。
[0041]此外，根据实施例，例如提供了一种用于计算机的计算机程序产品，其包括软件代码部分，当所述产品在计算机上运行时，这些软件代码部分用于执行上述所定义的方法的步骤。该计算机程序产品可以包括在其上存储有软件代码部分的计算机可读介质。此外，该计算机程序产品可以通过上传过程、下载过程和推送过程中的至少一个经由网络直接加载到计算机的内部存储器中和/或发送。
[0042]本申请另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行上述任一种方法。
[0043]本申请实施例，通过提供的特征提取网络的训练方法，利用训练中的特征提取网络对原始图像进行特征提取，得到图像特征；利用图像生成网络对所述图像特征进行图像重构，得到重构图像；基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络，从而在特征提取网络的训练过程中，特征提取网络仅仅对原始图像进行特征提取，无线对整个图像进行编码，因此，训练的复杂度降低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征提取网络的训练方法，其特征在于，所述特征提取网络用于对图像的特征进行提取，所述方法包括：利用训练中的特征提取网络对原始图像进行特征提取，得到图像特征；利用图像生成网络对所述图像特征进行图像重构，得到重构图像；基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述重构图像和所述原始图像之间的差异信息，调整所述图像生成网络的网络参数。3.根据权利要求1所述的方法，其特征在于，基于所述重构图像和所述原始图像之间的差异信息，调整所述训练中的特征提取网络的网络参数，得到训练后的特征提取网络，具体包括：利用判别网络对所述重构图像和所述原始图像进行图像类型的识别，并确定判别损失值；交替执行下列两个步骤或者仅执行其中的步骤A：步骤A：利用所述判别损失值和所述差异信息，对所述训练中的特征提取网络的网络参数和所述图像生成网络的网络参数进行调整；步骤B：利用所述判别损失值，对所述判别网络的网络参数进行调整。4.一种目标识别模型的训练方法，其特征在于，所述目标识别模型包括目标识别子网络和基于权利要求1
‑
3任一项所述方法获得的特征提取网络，所述目标识别模型的训练方法包括：输入包含标注信息的训练图像；利用所述训练图像对所述目标识别子网络进行训练，得到训练后的目标识别模型。5.根据权利要求4所述的方法，其特征在于，利用所述训练图像对所述目标识别子网络进行训练，具体包括：利用所述特征提取网络对所述训练图像进行特征提取，得到所述训练图像对应的图像特征；利用所述目标识别子网络对所述训练图像对应的图像特征预测分类标签，并利用预测的分类标签和所述训练图像的标注信息，确定分类损失值；基于所述分类损失值，至少对所述目标识别子网络的网络参数进行调整。6.根据权利要求5所述的方法，其特征在于，基于所述分类损失值，至少对所述目标识别子网络的网络参数进行调整，具体包括：利用所述分类损失值，以及重构损失值和/或判别损失值，确定综合损失值；利用所述综合损失值，至少对所述目标识别子网络的网络参数进行调整；其中，所述重构损失值是采用如下方式确定的：利用基于权利要求2或3所述方法处理后的图像生成网络，对所述训练图像对应的图像特征进行图...

【专利技术属性】
技术研发人员：王文安，朱树磊，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：