[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

说明书

本发明涉及一种商标图像检索模型训练方法，包括：获取多组样本数据，根据相似度为每个查询样本选择最难正例样本和多个困难负例样本；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商标图像检索模型进行更新，直至商标图像检索模型在验证集上的验证效果不再提升，则结束训练。本发明根据相似度剔除容易样本、挖掘难分样本，充分利用了少部分难分样本，更有针对性的对神经网络参数进行调整，可以较好地推迟模型收敛/过拟合，使训练更充分，效果更好。本发明还涉及商标图像检索模型训练系统、存储介质及计算机设备。

技术领域

本发明涉及模型训练技术领域，尤其涉及一种商标图像检索模型训练方法、系统、存储介质及计算机设备。

背景技术

现有技术中，商标图像检索模型训练方法一般采用固定或随机的正负例，固定的正负例容易导致模型过拟合，即只在训练数据上效果好；随机的正负例容易导致欠拟合，训练不充分，即模型见到的大多是很简单的案例，没有对易错案例针对性训练提高。

发明内容

本发明所要解决的技术问题是针对现有技术存在的问题，提供一种商标图像检索模型训练方法、系统、存储介质及计算机设备。

为解决上述技术问题，本发明实施例提供一种商标图像检索模型训练方法，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；

每一轮训练前，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。

为解决上述技术问题，本发明实施例还提供一种商标图像检索模型训练系统，包括：

样本获取模块，用于获取多组样本数据，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；

正例选择模块，用于在每一轮训练前，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；

负例选择模块，用于根据所述查询样本和最难正例样本从商标图像数据库中选择多个困难负例样本；

模型训练模块，用于将一个查询样本、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；

模型更新模块，用于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。

为解决上述技术问题，本发明实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行上述技术方案所述的商标图像检索模型训练方法。

为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述技术方案所述的商标图像检索模型训练方法。