[发明专利]模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

确定第一模型和第二模型；

确定预定样本对在所述第一模型下的第一距离，以及确定所述预定样本对在所述第二模型下的第二距离；

根据所述第一距离和所述第二距离，构造所述第二模型的损失函数；

通过优化所述损失函数，对所述第二模型进行训练。

2.根据权利要求1所述的方法，其特征在于，通过优化所述损失函数，对所述第二模型进行训练包括：

通过保持所述损失函数中所述第一模型的参数不变，优化所述损失函数中所述第二模型的参数，对所述第二模型进行训练。

3.根据权利要求2所述的方法，其特征在于，根据所述第一距离和所述第二距离，构造的所述损失函数用于：在所述预定样本对为正样本对的情况下，要求所述第一距离大于所述第二距离；在所述预定样本对为负样本对的情况下，要求所述第二距离大于所述第一距离。

4.根据权利要求3所述的方法，其特征在于，根据所述第一距离和所述第二距离，构造所述第二模型的损失函数包括：

通过以下公式构造所述第二模型的损失函数：

其中，L_cdo为所述损失函数的损失值；y为所述预定样本对(I_i,I_j)的标签，y＝1表示正样本对，y＝0表示负样本对；为所述第二距离；为所述第一距离；为所述预定样本对(I_i,I_j)采用所述第一模型提取的特征对；为所述预定样本对(I_i,I_j)采用所述第二模型提取的特征对。

5.根据权利要求2所述的方法，其特征在于，根据所述第一距离和所述第二距离，构造所述第二模型的损失函数包括：

确定距离间隔；

根据所述第一距离，所述第二距离以及所述距离间隔，构造所述第二模型的损失函数。

6.根据权利要求5所述的方法，其特征在于，根据所述第一距离，所述第二距离以及所述距离间隔，构造的所述损失函数用于：在所述预定样本对为正样本对的情况下，要求所述第一距离大于所述第二距离与所述距离间隔之和，在所述预定样本对为负样本对的情况下，要求所述第二距离大于所述第一距离与所述距离间隔之和。

7.根据权利要求6所述的方法，其特征在于，根据所述第一距离，所述第二距离以及所述距离间隔，构造所述第二模型的损失函数包括：

通过以下公式构造所述第二模型的损失函数：

其中，L_cdo为所述损失函数的损失值；y为所述预定样本对(I_i,I_j)的标签，y＝1表示正样本对，y＝0表示负样本对；为所述第二距离；为所述第一距离；为所述预定样本对(I_i,I_j)采用所述第一模型提取的特征对；为所述预定样本对(I_i,I_j)采用所述第二模型提取的特征对；σ为所述距离间隔。

8.根据权利要求1所述的方法，其特征在于，通过优化所述损失函数，对所述第二模型进行训练包括：

在优化所述损失函数时结合优化其它损失函数，对所述第二模型进行训练，其中，所述其它损失函数包括以下至少之一：三元组损失函数，交叉熵损失函数。

9.根据权利要求1所述的方法，其特征在于，通过优化所述损失函数，对所述第二模型进行训练包括：

在所述预定样本对为批量样本对的情况下，对所述批量样本对所包括的多个样本对的损失值求平均，得到平均损失值，其中，多个样本对中每个样本对的损失值根据所述损失函数得到；

根据所述平均损失值，对所述第二模型进行训练。