[发明专利]一种模型训练方法及其相关联设备

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取与目标域图像相关联的第一源域图像和与所述目标域图像相关联的第二源域图像；

通过第一待训练模型获取所述第一源域图像的第一预测标签和所述第二源域图像的第二预测标签；

根据所述第一预测标签和所述第二预测标签，获取第一损失，所述第一损失用于指示所述第一预测标签和所述第二预测标签之间的差异；

根据所述第一损失更新所述第一待训练模型的参数，得到第一神经网络。

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：

通过第二待训练模型获取所述第一源域图像的第三预测标签和所述第二源域图像的第四预测标签；

所述根据所述第一预测标签和所述第二预测标签，获取第一损失包括：

根据所述第一预测标签、所述第二预测标签和所述第四预测标签，获取第一损失。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述第一预测标签、所述第三预测标签和所述第四预测标签，获取第二损失；

根据所述第二损失更新所述第二待训练模型的参数，得到第二神经网络。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一预测标签、所述第二预测标签和所述第四预测标签，获取第一损失具体包括：

获取所述第一源域图像的标签；

根据所述第一预测标签和所述第一源域图像的标签，获取第一子损失，所述第一子损失用于指示所述第一预测标签和所述第一源域图像的标签之间的差异；

根据所述第二预测标签和所述第四预测标签，获取第二子损失，所述第二子损失用于指示所述第二预测标签和所述第四预测标签之间的差异；

根据所述第一子损失和所述第二子损失进行叠加计算，得到第一损失。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一预测标签、所述第三预测标签和所述第四预测标签，获取第二损失具体包括：

获取所述第二源域图像的标签；

根据所述第四预测标签和所述第二源域图像的标签，获取第三子损失，所述第三子损失用于指示所述第四预测标签和所述第二源域图像的标签之间的差异；

根据所述第一预测标签和所述第三预测标签，获取第四子损失，所述第四子损失用于指示所述第一预测标签和所述第三预测标签之间的差异；

根据所述第三子损失和所述第四子损失进行叠加计算，得到第二损失。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一子损失和所述第二子损失进行叠加计算，得到第一损失之前，所述方法还包括：

通过所述第一待训练模型获取所述目标域图像的第五预测标签，并通过所述第二待训练模型获取所述目标域图像的第六预测标签；

根据所述第五预测标签和所述第六预测标签，获取所述目标域图像的标签；

根据所述第五预测标签和所述目标域图像的标签，获取第五子损失，所述第五子损失用于指示所述第五预测标签和所述目标域图像的标签之间的差异；

所述根据所述第一子损失和所述第二子损失进行叠加计算，得到第一损失具体包括：

根据所述第一子损失、所述第二子损失和所述第五子损失进行叠加计算，得到第一损失。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第三子损失和所述第四子损失进行叠加计算，得到第二损失之前，所述方法还包括：

根据所述第六预测标签和所述目标域图像的标签，获取第六子损失，所述第六子损失用于指示所述第六预测标签和所述目标域图像的标签之间的差异；

所述根据所述第三子损失和所述第四子损失进行叠加计算，得到第二损失具体包括：

根据所述第三子损失、所述第四子损失和所述第六子损失进行叠加计算，得到第二损失。