[发明专利]用于训练图像识别模型的方法和装置

说明书

本申请公开了用于训练图像识别模型的方法和装置，涉及人工智能技术领域，具体为深度学习和图像处理技术领域。该方法包括：从训练图像集中获取当前训练图像，以及获取模型类型不同的、已预先训练过的多个初始图像识别模型；基于采用多个初始图像识别模型分别对当前训练图像进行识别得到的多个预测识别标签，确定当前训练图像的实际识别标签；采用每个预测识别标签和实际识别标签，分别构建每个初始图像识别模型的损失函数；采用每个初始图像识别模型的损失函数，分别训练损失函数所对应的初始图像识别模型，得到训练完成的多个目标图像识别模型。采用本方法可以提高识别图像的准确度。

技术领域

本公开涉及计算机技术领域，具体涉及人工智能技术领域，具体为深度学习和图像处理技术领域，尤其涉及用于训练图像识别模型的方法和装置。

背景技术

图像是一种重要的信息载体，对图像进行细粒度的识别可以获取到更精准的图像信息。现有的图片识别方法在对图片进行粗粒度识别时具有较好的识别效果，然而，在对图片进行细粒度识别时，存在识别不准确的问题。

发明内容

提供了一种用于训练图像识别模型的方法、装置、电子设备以及计算机可读存储介质。

根据第一方面，提供了一种用于训练图像识别模型的方法，该方法包括：从训练图像集中获取当前训练图像，以及获取模型类型不同的、已预先训练过的多个初始图像识别模型；基于采用多个初始图像识别模型分别对当前训练图像进行识别得到的多个预测识别标签，确定当前训练图像的实际识别标签；采用每个预测识别标签和实际识别标签，分别构建每个初始图像识别模型的损失函数；采用每个初始图像识别模型的损失函数，分别训练损失函数所对应的初始图像识别模型，得到训练完成的多个目标图像识别模型。

根据第二方面，提供了一种用于识别图像的方法，该方法包括：获取待识别图像；获取多个目标图像识别模型，其中，多个目标图像识别模型基于以下步骤确定：采用每个预测识别标签和实际识别标签，分别构建每个初始图像识别模型的损失函数；采用每个初始图像识别模型的损失函数，分别训练损失函数所对应的初始图像识别模型，得到训练完成的多个目标图像识别模型；其中，多个预测识别标签基于模型类型不同的、已预先训练过的多个初始图像识别模型对从训练图像集中获取的当前训练图像进行识别得到；实际识别标签基于多个预测识别标签得到；利用多个目标图像识别模型确定待识别图像的标签。

根据第三方面，提供了一种用于训练图像识别模型的装置，该装置包括：第一获取单元，被配置为从训练图像集中获取当前训练图像，以及获取模型类型不同的、已预先训练过的多个初始图像识别模型；第一确定单元，被配置为基于采用多个初始图像识别模型分别对当前训练图像进行识别得到的多个预测识别标签，确定当前训练图像的实际识别标签；反馈单元，被配置为采用每个预测识别标签和实际识别标签，分别构建每个初始图像识别模型的损失函数；训练单元，被配置为采用每个初始图像识别模型的损失函数，分别训练损失函数所对应的初始图像识别模型，得到训练完成的多个目标图像识别模型。

根据第四方面，提供了一种用于识别图像的装置，该装置包括：第二获取单元，被配置为获取待识别图像；第三获取单元，被配置为获取多个目标图像识别模型，其中，多个目标图像识别模型基于以下步骤确定：采用每个预测识别标签和实际识别标签，分别构建每个初始图像识别模型的损失函数；采用每个初始图像识别模型的损失函数，分别训练损失函数所对应的初始图像识别模型，得到训练完成的多个目标图像识别模型；其中，多个预测识别标签基于模型类型不同的、已预先训练过的多个初始图像识别模型对从训练图像集中获取的当前训练图像进行识别得到；实际识别标签基于多个预测识别标签得到；第二确定单元，被配置为利用多个目标图像识别模型确定待识别图像的标签。

根据第五方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器：存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的用于训练图像识别模型的方法、或者实现如第二方面提供的用于识别图像的方法。