[发明专利]模型训练方法、图像特征提取方法、装置及电子设备

说明书

本申请提供了一种模型训练方法、图像特征提取方法、装置及电子设备，其中，所述模型训练方法包括：使用训练数据对待训练模型进行第一阶段训练，得到第一阶段模型，其中，所述第一阶段训练中使用第一损失函数作为监督信号；使用所述训练数据对所述第一阶段模型进行第二阶段训练，得到第二阶段模型，其中，所述第二阶段训练使用所述第一损失函数和第二损失函数作为监督信号，所述训练数据为一图像数据集；使用所述训练数据对所述第二阶段模型进行第三阶段训练，得到目标模型，其中，所述第三阶段训练中使用第二损失函数作为监督信号。通过三个阶段分别训练得到的目标模型能够更好地分类图像特征。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种模型训练方法、图像特征提取方法、装置及电子设备。

背景技术

图像检索问题是图像研究领域中一个重要的话题，广泛应用于安防，电子商务等众多领域，当需要检索时，采用特征提取算法提取图像特征，并根据某种相似准则计算得到特征数据库中与待检索的图像的相似度，最后根据相似度由大到小进行排序，从而得到与待检索图像最相似的图像。但是，现有的图像特征算法的提取的特征向量的表达能力不足。

发明内容

有鉴于此，本申请实施例的目的在于提供一种模型训练方法、图像特征提取方法、装置及电子设备，能够通过三个阶段的训练模型解决现有技术中存在的现有的图像特征算法的提取的特征向量的表达能力不足的问题，达到通过三个阶段的训练得到的模型能够使，通过目标模型提取的特征向量能够更好地表达图像的效果。

根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：

使用训练数据对待训练模型进行第一阶段训练，得到第一阶段模型，其中，所述第一阶段训练中使用第一损失函数作为监督信号，所述训练数据为一图像数据集，所述第一损失函数用于训练不同类的图像的特征向量之间的距离；

使用所述训练数据对所述第一阶段模型进行第二阶段训练，得到第二阶段模型，其中，所述第二阶段训练使用所述第一损失函数和第二损失函数作为监督信号，所述第二损失函数用于训练同类图像的特征向量之间的距离；

使用所述训练数据对所述第二阶段模型进行第三阶段训练，得到目标模型，其中，所述第三阶段训练中使用第二损失函数作为监督信号。

本申请实施例提供的模型训练方法，采用三个阶段的训练，可以是训练得到的模型可以在至少两个维度上对模型进行约束，可以实现训练出的目标模型提取的特征可以更好地表达图像。另外，使用第一阶段的训练可以快速实现初始训练，使用第二阶段的训练，通过两个损失函数可以从第一损失函数训练的目标向第二损失函数对应的目标过度，通过第一损失函数的辅助，可以提高过度的速度，再通过第三阶段的训练可以更准确地实现需要的目标。

在一些实施例中，所述使用训练数据对待训练模型进行第一阶段训练的步骤之前，所述方法还包括：

使用在ImageNet进行预训练的初始模型初始化基础网络模型，得到待训练模型。

直接使用ImageNet进行预训练的初始模型，可以减少训练时的工作量，可以提高训练速度。

在一些实施例中，所述第一损失函数包括softmax loss损失函数，所述使用在可视化数据库进行预训练的初始模型初始化待训练模型，得到第一阶段模型的步骤，包括：

将训练数据输入待训练模型进行计算，得到第一输出值；

使用softmax loss损失函数对所述第一输出值进行计算得到第一损失值；

判断所述第一损失值是否满足第一设定区间内；