[发明专利]基于人工智能的模型训练方法和相关装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法由处理设备执行，所述方法包括：

根据标识目标对象的目标图像和包括所述目标对象的训练图像训练识别网络模型，得到所述训练图像对应的第一识别结果，所述第一识别结果用于标识对所述训练图像中所述目标对象的预测位置；

根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息；

根据所述差异信息确定贡献信息，所述贡献信息用于标识所述训练图像中特征点对预测所述差异信息的贡献程度；

通过生成网络模型学习所述贡献信息中不同特征点的贡献程度；

将贡献程度大于目标条件的特征点在所述贡献信息中进行抑制；

根据抑制处理后的贡献信息，通过生成网络模型生成用于标识所述目标对象的形态变化的变换参数；

通过所述变换参数调整所述训练图像对应的特征数据，调整后的所述特征数据用于模拟所述目标对象的所述形态变化；

通过所述识别网络模型得到第二识别结果，所述第二识别结果用于标识基于调整后的所述特征数据对所述训练图像中所述目标对象的预测位置；

根据所述第二识别结果与所述训练图像的标签对所述识别网络模型的参数进行更新。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息，包括：

根据所述标签所标识的所述目标对象的实际位置，从所述第一识别结果中提取对应所述实际位置的识别数据，将所述识别数据作为所述差异信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息，包括：

确定所述第一识别结果相对于所述标签的第一损失信息，将所述第一损失信息作为所述差异信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二识别结果与所述训练图像的标签对所述识别网络模型的参数进行更新，包括：

确定所述第二识别结果相对于所述标签的第二损失信息；

根据所述第二损失信息分别对所述生成网络模型和所述识别网络模型的参数进行更新。

5.根据权利要求1所述的方法，其特征在于，所述根据所述差异信息确定贡献信息，包括：

将所述差异信息在所述识别网络模型中进行反向传播，通过中间层的输出确定所述贡献信息；

所述通过所述变换参数调整所述训练图像对应的特征数据，包括：

通过所述变换参数调整所述中间层在正向传播时输出的所述特征数据，得到调整后的所述特征数据。

6.一种模型训练装置，其特征在于，所述装置包括训练单元，确定单元，生成单元，调整单元、更新单元、学习单元和抑制单元：

所述训练单元，用于根据标识目标对象的目标图像和包括所述目标对象的训练图像训练识别网络模型，得到所述训练图像对应的第一识别结果，所述第一识别结果用于标识对所述训练图像中所述目标对象的预测位置；

所述确定单元，用于根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息；

所述生成单元，用于根据所述差异信息确定贡献信息，所述贡献信息用于标识所述训练图像中特征点对预测所述差异信息的贡献程度；

所述学习单元，用于通过生成网络模型学习所述贡献信息中不同特征点的贡献程度；

所述抑制单元，用于将贡献程度大于目标条件的特征点在所述贡献信息中进行抑制；

所述生成单元，还用于根据抑制处理后的贡献信息，通过所述生成网络模型生成用于标识所述目标对象的形态变化的变换参数；

所述调整单元，用于通过所述变换参数调整所述训练图像对应的特征数据，调整后的所述特征数据用于模拟所述目标对象的所述形态变化；

所述训练单元，还用于通过所述识别网络模型得到第二识别结果，所述第二识别结果用于标识基于调整后的所述特征数据对所述训练图像中所述目标对象的预测位置；

所述更新单元，用于根据所述第二识别结果与所述训练图像的标签对所述识别网络模型的参数进行更新。