[发明专利]神经网络的训练方法、图像识别方法、装置及电子设备

权利要求书

1.一种神经网络的训练方法，其特征在于，包括：

获取训练样本；其中，所述训练样本中包含多个负样本对，其中，每个负样本对包括目标带标签图像和其相对应的目标无标签图像，所述每个负样本对中的目标无标签图像所包含的第一对象和目标带标签图像所包含第二对象不相同，且所述第一对象和所述第二对象相似；

基于所述训练样本对初始重识别网络进行训练，训练之后得到目标重识别网络。

2.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述训练样本中的每个负样本对，具体包括：

确定所述目标带标签图像所对应的相似无标签图像组，其中，所述相似无标签图像组中包含多个相似无标签图像，且所述多个相似无标签图像中所包含的对象均与所述第一对象相似且不相同；

在所述相似无标签图像组中确定所述目标带标签图像所对应的目标无标签图像；并将所述目标带标签图像和其相对应的目标无标签图像确定为一个负样本对。

3.根据权利要求2所述的方法，其特征在于，确定所述目标带标签图像所对应的相似无标签图像组包括：

提取所述目标带标签图像的特征信息和多张无标签图像的特征信息；

基于所述特征信息计算所述目标带标签图像和各个无标签图像之间的特征距离，得到多个特征距离；

基于所述多个特征距离在所述多张无标签图像中确定与所述目标带标签图像距离最接近的预设数量个无标签图像；并将所述预设数量个无标签图像确定为所述目标带标签图像所对应的相似无标签图像组中的图像。

4.根据权利要求1所述的方法，其特征在于，基于所述训练样本对初始重识别网络进行训练，训练之后得到目标重识别网络包括：

利用所述初始重识别网络对所述多个负样本对中的每个图像进行特征提取，得到多个目标特征信息；

基于所述多个目标特征信息计算目标损失函数的值，并基于所述目标损失函数的值对所述初始重识别网络的网络参数进行调整，调整之后得到目标重识别网络。

5.根据权利要求4所述的方法，其特征在于，基于所述多个目标特征信息计算目标损失函数的值包括：

根据所述多个目标特征信息确定所述多个负样本对中每个目标带标签图像的正样本图像和负样本图像；所述正样本图像是从所述训练样本所包括的具有相同标签的多个目标带标签图像中选取的图像，所述负样本图像是从所述训练样本所包括多个目标无标签图像中选取的图像；

基于每个目标带标签图像，以及每个目标带标签图像的正样本图像和负样本图像计算所述目标损失函数的值。

6.根据权利要求5所述的方法，其特征在于，根据所述多个目标特征信息确定所述多个负样本对中每个目标带标签图像的正样本图像和负样本图像包括：

根据所述多个目标特征信息计算目标带标签图像Ai和目标图像之间的特征距离，得到多个特征距离；所述目标图像为所述多个负样本对中除所述目标带标签图像Ai外的其他图像，i依次取1至I，I为所述目标带标签图像的数量；

基于所述多个特征距离在所述目标图像中确定第一目标图像和第二目标图像，其中，所述第一目标图像和目标带标签图像Ai携带相同的标签，且所述第一目标图像和目标带标签图像Ai之间的特征距离最大，所述第二目标图像和目标带标签图像Ai携带不同的标签，且所述第二目标图像和目标带标签图像Ai之间的特征距离最小；

将所述第一目标图像确定为所述目标带标签图像Ai的正样本图像，将所述第二目标图像确定为所述目标带标签图像Ai的负样本图像。