[发明专利]面向循环任务的预测方法、装置、电子设备及存储介质

权利要求书

1.一种面向循环任务的预测方法，其特征在于，所述方法包括：

获取第一循环任务的待预测图像；

调用预先训练的预测模型，所述预测模型是使用第二循环任务的图像集对基础模型训练得到的，所述图像集包括所述第二循环任务的子任务在多个阶段内连续的多个图像，所述预测模型能够将所述图像集中各图像映射至多维嵌入空间、且在所述多维嵌入空间内所述图像集中图像间的工时距离采用角度距离来表示；

将所述待预测图像输入所述预测模型中，以获取所述预测模型输出的所述待预测图像的特征和所述多个阶段的特征集，所述特征集至少包括所属阶段起始位置的第一标准特征；

分别计算所述待预测图像的特征与所述多个阶段的第一标准特征间的角度距离，并将所述多个阶段中角度距离最小的阶段作为所述待预测图像所在的目标阶段。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述目标阶段的角度距离转换为相应的工时距离，并将转换得到的工时距离作为所述待预测图像在所述目标阶段内的当前工时；

或者

如果所述特征集还包括所属阶段内、距离所述起始位置不同工时距离的第二标准特征，分别计算所述待预测图像的特征分别与所述目标阶段的各第二标准特征间的角度距离，并将角度距离最小的第二标准特征对应的工时距离作为所述待预测图像在所述目标阶段内的当前工时。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述多个阶段中所述目标阶段的下一阶段，并计算所述待预测图像的特征与所述目标阶段的下一阶段的第一标准特征间的角度距离；

将所述目标阶段的下一阶段的角度距离转换为相应的工时距离，并将转换得到的工时距离作为所述待预测图像距离所述目标阶段的下一阶段的剩余工时。

4.根据权利要求1所述的方法，其特征在于，所述多个阶段包括开始阶段、至少一个中间阶段和结束阶段，所述预测模型的训练过程，包括：

基于所述图像集的多个图像获取所述开始阶段、所述中间阶段和所述结束阶段的样本集，所述开始阶段的样本集至少包括所述子任务在所述开始阶段内的所有图像，所述中间阶段的样本集至少包括所述子任务在所述中间阶段内的所有图像和所述中间阶段的上一阶段内距离所述中间阶段最近的多个图像，所述结束阶段的样本集至少包括所述子任务在所述结束阶段内的所有图像、所述结束阶段的上一阶段内距离所述结束阶段最近的多个图像、以及所述开始阶段距离所述结束阶段最近的多个图像；

以所述开始阶段、所述中间阶段和所述结束阶段的次序，分别使用相应的样本集训练所述基础模型，各样本集的训练方式如下：

从相应样本集中抽取多个第一图像组，所述第一图像组包括第一图像和第二图像；

依次将每个第一图像组的第一图像和第二图像输入至所述基础模型，以使所述基础模型预测所输入的第一图像和第二图像的特征，还使所述基础模型以所预测的第一图像和第二图像的特征间的角度距离趋近于相应标定角度距离为目标调整所述基础模型的权参，直到所述多个第一图像组的训练结束。

5.根据权利要求4所述的方法，其特征在于，所述分别从所述多个图像中获取所述开始阶段、所述中间阶段和所述结束阶段的样本集之前，所述预测模型的训练过程，还包括：

从所述图像集的多个图像中抽取有多元组损失的多个第二图像组，所述第二图像组包括一个中心图像、位于所述中心图像之前的多个第三图像、以及位于所述中心图像之前的多个第四图像，一个第二图像组中第三图像和第四图像的数量相同；

依次将每个第二图像组的中心图像、多个第三图像和多个第四图像输入至所述基础模型，以使所述基础模型预测所输入的中心图像、第三图像和第四图像的特征，还使所述基础模型以所预测的第三图像与中心图像的特征间的角度距离正比于相应工时距离、以及所预测的第四图像的特征间的角度距离正比于相应工时距离为目标调整所述基础模型的权参，直到所述多个第二图像组的训练结束。

6.根据权利要求5所述的方法，其特征在于，所述多元组损失为五元组损失。