[发明专利]模型训练方法、图像识别方法、装置、设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取第一样本集和第二样本集，所述第一样本集包括多个简单样本，所述第二样本集包括多个困难样本；

根据所述第一样本集中的多个简单样本构造多个第一样本对，并根据所述第二样本集中的多个困难样本构造多个第二样本对；

确定每个所述第一样本对中的两个简单样本之间的第一相似度，并确定每个所述第二样本对中的两个困难样本之间的第二相似度；

根据所述多个第一相似度和多个第二相似度，计算预置的图像识别模型的目标损失函数；

根据目标损失函数调整所述图像识别模型的模型参数，并根据所述第一样本集和第二样本集对调整模型参数后的所述图像识别模型进行迭代训练。

2.如权利要求1所述的模型训练方法，其特征在于，

所述第一样本对包括第一正样本对和第一负样本对，其中，第一正样本对中的两个简单样本的用户标识相同，所述第一负样本对中的两个简单样本的用户标识不同；

所述第二样本对包括第二正样本对和第二负样本对，其中，第二正样本对中的两个困难样本的用户标识相同，所述第二负样本对中的两个困难样本的用户标识不同。

3.如权利要求2所述的模型训练方法，其特征在于，所述根据所述第一样本集中的多个简单样本构造多个第一样本对，包括：

获取所述第一样本集中的每个所述简单样本的用户标识；

从所述第一样本集中选取所述用户标识相同的两个简单样本进行关联，得到多个第一正样本对；

从所述第一样本集中选取所述用户标识不同的两个简单样本进行关联，得到多个第一负样本对。

4.如权利要求2所述的模型训练方法，其特征在于，所述确定每个所述第一样本对中的两个简单样本之间的第一相似度，包括：

将每个所述第一正样本对输入至预设分类器，得到每个所述第一正样本对中的两个简单样本的第一特征信息；

计算每个所述第一正样本对中的两个简单样本的第一特征信息之间的相似度，得到多个第一正样本相似度；以及

将每个所述第一负样本对输入至预设分类器，得到每个所述第一负样本对中的两个简单样本的第二特征信息；

计算每个所述第一负样本对中的两个简单样本的第二特征信息之间的相似度，得到多个第一负样本相似度。

5.如权利要求1-4中任一项所述的模型训练方法，其特征在于，所述根据所述多个第一相似度和多个第二相似度，计算预置的图像识别模型的目标损失函数，包括：

确定所述多个第一相似度的第一分布信息，并确定所述多个第二相似度的第二分布信息；

通过所述第一分布信息和第二分布信息，确定预置的图像识别模型的目标损失函数。

6.如权利要求5所述的模型训练方法，其特征在于，所述通过所述第一分布信息和第二分布信息，确定预置的图像识别模型的目标损失函数，包括：

将所述第一分布信息和第二分布信息输入至预置的图像识别模型的损失函数，得到第一损失函数；

将所述第一分布信息和第二分布信息输入至预设的顺序损失order loss函数，得到第二损失函数；

计算所述第一损失函数与所述第二损失函数之间的和，得到所述图像识别模型的目标损失函数。

7.一种图像识别方法，其特征在于，包括：

获取待识别的目标图像；

通过目标图像识别模型对所述目标图像进行图像识别，得到图像识别结果；

其中，所述目标图像识别模型是根据权利要求1至6所述的模型训练方法进行训练得到的。