[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

说明书

本申请涉及人工智能中的模型构建，提供一种模型训练方法、图像识别方法、装置、设备及存储介质，该方法包括：获取第一样本集和第二样本集；根据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，并确定每个第二样本对中的两个困难样本之间的第二相似度；根据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图像识别模型的模型参数，并根据第一样本集和第二样本集对调整模型参数后的图像识别模型进行迭代训练。本申请能够提升图像识别模型的训练效果。

技术领域

本申请涉及模型构建技术领域，尤其涉及一种模型训练方法、图像识别方法、装置、设备及存储介质。

背景技术

图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，现阶段的图像识别技术包括人脸识别与商品识别。图像识别技术的用处十分广泛，由于目标识别图像之间存在较大的变化多样性，给图像识别带来了极大的挑战。目前，通过图像识别模型对待识别图像进行识别，为了提高识别准确性，可以充分利用与图像识别任务相关的先验分布来设计图像识别模型的损失函数。但是，利用先验分布设计出的图像识别模型识别简单样本(Easy Sample)的效果尚可，而在识别困难样本(HardSample)时的类间间距较大，图像识别的效果不好。因此，如何优化图像识别模型，使之提高对困难样本的识别准确性成为了亟待解决的问题。

发明内容

本申请的主要目的在于提供一种模型训练方法、图像识别方法、装置、设备及存储介质，旨在提升图像识别模型的训练效果，从而提高图像识别模型对困难样本的识别准确性。

第一方面，本申请提供一种模型训练方法，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。

第二方面，本申请还提供一种图像识别方法，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上述的模型训练方法进行训练得到的。

第三方面，本申请还提供一种模型训练装置，所述模型训练装置包括：

获取模块，用于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；

构造模块，用于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；

确定模块，用于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；

计算模块，用于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；

训练模块，用于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。