[发明专利]物体识别网络的训练方法及装置、电子设备和存储介质

说明书

本公开涉及一种物体识别网络的训练方法及装置、电子设备和存储介质。所述方法包括：通过第一物体识别网络对第一训练图像进行识别得到对应的第一识别结果，以及对第二训练图像进行识别得到对应的第二识别结果；根据所述第一识别结果和所述第一训练图像的真实类别，确定第一误差；根据所述第二识别结果和所述第二训练图像对应的第三识别结果，确定第二误差，其中，所述第三识别结果为第二物体识别网络对所述第二训练图像进行识别得到的，所述第二物体识别网络是根据所述第二训练图像训练收敛的；根据所述第一误差和所述第二误差，训练所述第一物体识别网络。本公开实施例在物体识别网络学习第一类别时，能够保持对第二类别的识别准确率。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种物体识别网络的训练方法及装置、物体识别方法及装置、电子设备和存储介质。

背景技术

物体识别是实现人工智能的一项基础技术。基于ImageNet数据集训练的深度学习模型能够同时识别1000个类别的物体。然而，这一数目远远小于人类日常生活中遇到的物体类别数目。人类具有持续学习新的类别的能力，然而，相关技术中的物体识别网络需要在所有类别的训练数据一次性给出的情况下进行反复训练。这种物体识别技术无法应对持续增长的训练数据。当物体识别网络不断遇到新类别的训练数据时，相关技术中的物体识别网络容易忘记学过的旧类别，因此，在旧类别上的识别准确率会快速下降。

发明内容

本公开提出了一种物体识别技术方案。

根据本公开的一方面，提供了一种物体识别网络的训练方法，包括：

通过第一物体识别网络对第一训练图像进行识别得到对应的第一识别结果，以及对第二训练图像进行识别得到对应的第二识别结果；

根据所述第一识别结果和所述第一训练图像的真实类别，确定第一误差；

根据所述第二识别结果和所述第二训练图像对应的第三识别结果，确定第二误差，其中，所述第三识别结果为第二物体识别网络对所述第二训练图像进行识别得到的，所述第二物体识别网络是根据所述第二训练图像训练收敛的；

根据所述第一误差和所述第二误差，训练所述第一物体识别网络。

在一种可能的实现方式中，所述第一训练图像包含于第一图像集合，所述第一图像集合中包含一个或多个第一类别，所述第二训练图像包含于第二图像集合，所述第二图像集合中包含一个或多个第二类别；

在所述通过第一物体识别网络对第一训练图像进行识别得到对应的第一识别结果，以及对第二训练图像进行识别得到对应的第二识别结果之前，所述方法还包括：

从第一类别和第二类别中抽取C个类别，其中，C为大于1的整数；

从所述C个类别中的各个类别中分别抽取N个图像，将抽取的图像中属于所述第一类别的图像作为第一训练图像，将抽取的图像中属于所述第二类别的图像作为第二训练图像，其中，N为大于1的整数。

在一种可能的实现方式中，从所述C个类别中的各个类别中分别抽取N个图像，将抽取的图像中属于所述第一类别的图像作为第一训练图像，将抽取的图像中属于所述第二类别的图像作为第二训练图像，包括：

若所述C个类别包括任一第一类别，则从所述第一类别的所有图像样本中抽取N个图像作为第一训练图像；和/或，

若所述C个类别包括任一第二类别，则从所述第二类别的待训练图像集中抽取N个图像作为第二训练图像，其中，所述第二类别的待训练图像集包括所述第二类别的部分图像样本。

在一种可能的实现方式中，所述根据所述第一误差和所述第二误差，训练所述第一物体识别网络，包括：

确定所述第一误差和所述第二误差的和值；

根据所述和值，训练所述第一物体识别网络。