[发明专利]对象识别网络的训练方法、装置、系统及其应用

权利要求书

1.一种对象识别网络的训练方法，其特征在于，所述训练方法包括：

提取已标识对象的第一特征向量；

基于所述已标识对象的标识信息，确定匹配查询表中是否存在与所述标识信息相同的对象；以及

响应于在所述匹配查询表中存在与所述标识信息相同的对象，基于所述第一特征向量，更新所述匹配查询表中与所述标识信息对应的第二特征向量，包括：

获取所述第一特征向量与所述第二特征向量之间的初始向量差；以及

基于所述初始向量差，更新所述第二特征向量，以使得目标向量差小于所述初始向量差，所述目标向量差为更新后所述第二特征向量与所述第一特征向量之间的差异。

2.根据权利要求1所述的训练方法，其特征在于，所述方法还包括：

响应于在所述匹配查询表中存在与所选出的对象具有相同标识的对象，将所述初始向量差反向传播，以使得根据所述初始向量差调节所述对象识别网络的参数。

3.根据权利要求2所述的训练方法，其特征在于，所述将所述初始向量差反向传播，包括：

将所述初始向量差作为反馈量，逐层向所述对象识别网络的任意前级传播；以及

利用所述反馈量更新所述对象识别网络中任一层的权重和偏移量。

4.根据权利要求1至3中任一项所述的训练方法，其特征在于，提取已标识对象的第一特征向量之后，还包括：

通过L2范数正则化，对所述第一特征向量进行归一化处理。

5.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述方法还包括：

响应于在所述匹配查询表中不存在与所述标识信息相同的对象，将所述已标识对象及所述第一特征向量添加至所述匹配查询表中。

6.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述方法还包括：

提取未标识对象的第三特征向量；以及

将所述第三特征向量添加至负样本集中。

7.根据权利要求6所述的训练方法，其特征在于，所述负样本集包括具有预定样本数的循环队列；所述将所述第三特征向量添加至负样本集中，包括：

将所述第三特征向量添加至所述负样本集的队尾；以及

将位于所述负样本集的队首的特征向量删除。

8.一种对象识别方法，其特征在于，所述对象识别方法包括：

提取图像的特征图；

基于所述特征图，获取对象检测区域；以及

利用根据权利要求1至7中任一项所述的训练方法训练得到的对象识别网络，从所述对象检测区域中识别目标对象。

9.一种对象识别网络的训练装置，其特征在于，所述训练装置包括：

特征提取模块，用于提取已标识对象的第一特征向量；

查询模块，用于基于所述已标识对象的标识信息，确定匹配查询表中是否存在与所述标识信息相同的对象；以及

匹配查询表更新模块，用于响应于在所述匹配查询表中存在与所述标识信息相同的对象，基于所述第一特征向量，更新所述匹配查询表中与所述标识信息对应的第二特征向量，包括：

比较子模块，用于获取所述第一特征向量与所述第二特征向量之间的初始向量差；以及

更新子模块，用于基于所述初始向量差，更新所述第二特征向量，以使得目标向量差小于所述初始向量差，所述目标向量差为更新后所述第二特征向量与所述第一特征向量之间的差异。

10.根据权利要求9所述的训练装置，其特征在于，所述训练装置还包括：

网络参数更新模块，用于响应于在所述匹配查询表中存在与所选出的对象具有相同标识的对象，将所述初始向量差反向传播，以使得根据所述初始向量差调节所述对象识别网络的参数。