[发明专利]用于鉴别的模型的训练、鉴别方法、系统、设备及介质

权利要求书

1.一种用于鉴别的模型的训练方法，其特征在于，包括：

获取包含对应待鉴别物品的至少一个鉴别点的图像区域的训练样本图像；

利用目标检测模型对所述训练样本图像进行处理，获取目标检测结果；

利用所述目标检测结果训练分类模型，以输出所述鉴别点对应的待鉴别物品的部位的分类结果以及真伪鉴别结果。

2.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述目标检测模型为语义分割模型。

3.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型中的至少部分卷积计算使用空洞卷积。

4.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型中的至少部分卷积计算使用可变形卷积。

5.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型包括DeepLab V1、DeepLab V2、DeepLab V3、或DeepLab V3+。

6.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述真伪鉴别结果是利用分类模型获取的；所述分类模型包含多任务模型，所述多任务模型通过不同任务获取所述鉴别点对应的物品部位的分类结果以及真伪鉴别结果。

7.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述分类模型用于在获取真伪鉴别结果的计算过程中对所述目标检测结果进行不同层次的特征提取，以得到不同层次的特征图；其中，层次越低的特征图与所述目标检测结果越接近。

8.根据权利要求1或6所述的用于鉴别的模型的训练方法，其特征在于，所述分类结果是根据高于预设层次的特征图得到的；和/或，所述真伪鉴别结果是根据至少一第一特征图和至少一第二特征图连接形成的至少一第三特征图得到的；其中，所述第一特征图的层次低于所述第二特征图。

9.根据权利要求8所述的用于鉴别的模型的训练方法，其特征在于，所述第一特征图和第二特征图是根据提取自所述分类模型的不同层次的特征图得到的。

10.根据权利要求8所述的用于鉴别的模型的训练方法，其特征在于，所述第一特征图及第二特征图是在相同尺寸的情况下进行连接的。

11.根据权利要求10所述的用于鉴别的模型的训练方法，其特征在于，所述目标检测结果训练分类模型以输出所述待鉴别物品的真伪鉴别结果的步骤还包括：令所述第一特征图缩小至与第二特征图尺寸相同的步骤；或者，令第二特征图放大至与第二特征图尺寸相同的步骤。

12.根据权利要求10所述的用于鉴别的模型的训练方法，其特征在于，所述缩小和/或放大的方法包括：双线性插值法、双三次插值法、近邻插值法、区域关系重采样法、或Lanczos插值法。

13.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，还包括如下步骤：对所述机器学习模型训练以在其一或多个损失函数的约束下更新所述分类模型的模型参数；其中，所述一或多个损失函数用于约束所述真伪鉴别结果与预期数据的差异、所述分类结果与预期数据的差异、或所述所述真伪鉴别结果和分类结果与预期数据的差异。

14.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述分类模型包括Xception、ResNet、SE-Net、或DPN-Net。

15.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述待鉴别物品包括奢侈品包、鞋、或具有背透的手表。