[发明专利]图像识别模型训练方法、装置、计算机设备及存储介质

权利要求书

1.一种图像识别模型训练方法，应用于用户终端中，其特征在于，包括：

接收到用户所输入的图像数据集及扰动生成规则，根据预置的识别模型及所述扰动生成规则生成与所述图像数据集中每一初始图像对应的一张扰动图像；其中，所述扰动生成规则包括定位损失计算公式、交叉熵损失计算公式、扰动迭代计算公式；

根据每一所述扰动图像对应的扰动类别及预设数量，从每一所述扰动类别中获取所述预设数量的扰动图像并生成与每一所述扰动类别对应的扰动样式；

根据预置的变换参数集合及多个所述扰动样式对所述图像数据集进行样式迁徙以得到对应的训练图像集；

采用所述训练图像集及所述定位损失计算公式、所述交叉熵损失计算公式及预存的梯度计算公式对所述识别模型进行训练，以得到训练后的所述识别模型；

其中，所述扰动生成规则还包括迭代次数，所述图像数据集中每一初始图像均对应包含至少一个目标检测框以及与每一所述目标检测框所对应的目标类型信息，所述根据预置的识别模型及所述扰动生成规则生成与所述图像数据集中每一初始图像对应的一张扰动图像，包括：将所述图像数据集中的一张初始图像作为目标图像；根据所述识别模型、所述定位损失计算公式、所述扰动迭代计算公式及所述迭代次数对所述目标图像进行扰动迭代得到对应的第一迭代图像；根据所述识别模型、所述交叉熵损失计算公式、所述扰动迭代计算公式及所述迭代次数对所述目标图像进行扰动迭代得到对应的第二迭代图像；根据所述定位损失计算公式计算所述第一迭代图像与所述目标图像之间的定位损失值；根据所述交叉熵损失计算公式计算所述第二迭代图像与所述目标图像之间的交叉熵损失值；将所述定位损失值及所述交叉熵损失值中较大的数值对应的迭代图像作为与所述目标图像对应的扰动图像；

其中，所述根据每一所述扰动图像对应的扰动类别及预设数量，从每一所述扰动类别中获取所述预设数量的扰动图像并生成与每一所述扰动类别对应的扰动样式，包括：根据每一所述扰动图像对应的扰动类别对所述扰动图像进行分类以得到所述扰动图像的分类结果；根据所述扰动图像的分类结果，从每一所述扰动类别包含的扰动图像中分别获取与所述预设数量相等的多张扰动图像；获取每一所述扰动类别中的扰动图像与相应初始图像之间的差值以生成与每一所述扰动类别对应的扰动样式。

2.根据权利要求1所述的图像识别模型训练方法，其特征在于，所述根据所述识别模型、所述定位损失计算公式、所述扰动迭代计算公式及所述迭代次数对所述目标图像进行扰动迭代得到对应的第一迭代图像，包括：

根据所述识别模型对所述目标图像进行识别以获取与所述目标图像对应的检测框；

根据所述定位损失计算公式计算所述目标图像的每一检测框与对应目标检测框之间的定位损失；

计算所述定位损失相对于目标图像对应的初始图像的定位梯度值；

根据所述扰动迭代计算公式及所述定位梯度值对所述目标图像进行一次扰动迭代；

判断扰动迭代的次数是否不小于所述迭代次数；

若扰动迭代的次数不小于所述迭代次数，将进行扰动迭代后的所述目标图像作为第一迭代图像；

若扰动迭代的次数小于所述迭代次数，将进行扰动迭代后的所述目标图像输入所述识别模型，并返回执行所述根据识别模型对所述目标图像进行识别以获取与所述目标图像对应的检测框的步骤。

3.根据权利要求2所述的图像识别模型训练方法，其特征在于，所述获取每一所述扰动类别中的扰动图像与相应初始图像之间的差值以生成与每一所述扰动类别对应的扰动样式，包括：

计算每一所述扰动类别中每一扰动图像与对应的一张初始图像之间的像素差值；

计算每一所述扰动类别中所有扰动图像的像素差值的平均值以得到与每一所述扰动类别对应的扰动样式。