[发明专利]商标图像检索模型训练方法、系统、存储介质及计算机设备

权利要求书

1.一种商标图像检索模型训练方法，其特征在于，包括：

获取多组样本数据，每组样本数据包括一个查询样本和一个正例样本集；将所述多组样本数据划分为训练集和验证集；

根据相似度在所述训练集中为每个查询样本从对应的正例样本集中选择最难正例样本；

根据相似度为每个查询样本从商标图像数据库中选择多个困难负例样本；

将一个查询样本、对应的最难正例样本和对应的多个困难负例样本作为一组训练数据，根据多组训练数据利用神经网络进行商标图像检索模型训练；

根据多负例对比损失函数对所述商标图像检索模型进行更新，直至所述商标图像检索模型在所述验证集上的验证效果不再提升，则结束训练；

所述根据多负例对比损失函数对所述商标图像检索模型进行更新，包括：

根据如下公式计算当前损失值Loss，根据所述当前损失值对所述商标图像检索模型进行更新；

其中，D_(q,p)表示查询样本q与最难正例样本p之间的欧式距离，表示查询样本本q与困难负例样本n_i之间的欧式距离；ncount表示困难负样本数量，α是一个超参数。

2.根据权利要求1所述的方法，其特征在于，所述根据相似度在所述训练集中为每个查询样本从对应的正例样本集中选择最难正例样本，包括：

确定查询样本的特征向量以及对应的正例样本集中所有正例样本的特征向量；

确定所述查询样本的特征向量与对应的正例样本集中所有正例样本的特征向量的余弦相似度；

按照所述余弦相似度对正例样本集中所有正例样本进行相似度排序；

选取相似度最低的正例样本作为最难正例样本。

3.根据权利要求2所述的方法，其特征在于，所述根据相似度为每个查询样本从商标图像数据库中选择多个困难负例样本，包括：

针对每个查询样本，随机获取第一预设数量的与查询样本的图像要素号不一致的负例样本组成负例样本集；

确定查询样本的特征向量以及对应的负例样本集中所有负例样本的特征向量；

确定所述查询样本的特征向量与对应的负例样本集中所有负例样本的特征向量的余弦相似度；

按照所述余弦相似度对负例样本集中所有负例样本进行相似度排序；

选取第二预设数量的相似度大于预设阈值的负例样本作为困难负例样本，其中预设阈值根据最难正例样本对应的相似度设定。

4.根据权利要求1至3任一项所述的方法，其特征在于，还包括对所述训练集和所述验证集中的样本数据进行预处理，获得预设格式的样本数据。

5.根据权利要求4所述的方法，其特征在于，所述对所述训练集和所述验证集中的样本数据进行预处理，获得预设格式的样本数据，包括：

对所述训练集和所述验证集中的样本数据进行灰度化、去除周围空白区域、补成正方形、统一大小以及进行归一化处理。