[发明专利]用于训练模型的方法、装置、设备、介质和程序产品

说明书

根据本公开的实施例，提供了一种用于训练模型的方法、装置、设备、介质和程序产品。涉及人工智能领域，尤其涉及深度学习和图像处理技术领域。具体实现方案为：获取第一模型和第二模型，其中第一模型至少包括一个或多个第一层级组，第一层级组包括第一特征提取层和第一降采样层，第二模型包括一个或多个第二层级组，第二层级组包括第二特征提取层、第三特征提取层和第二降采样层；基于训练样本，根据第一模型和第二模型来确定第一约束，第一约束与对应层级组中的第一降采样层和第二降采样层针对训练样本的输出之间的差异有关；以及至少基于第一约束，训练第一模型和第二模型，以获取经训练的第一模型。由此，能够优化训练所得的模型的性能。

技术领域

本公开涉及人工智能领域，并且更具体地，涉及用于训练模型的方法、装置、设备、计算机可读存储介质和计算机程序产品。

背景技术

随着信息技术的发展，神经网络被广泛用于诸如计算机视觉、语音识别和信息检索等的各种机器学习任务。光学字符识别(OCR)是一项可以将图片信息转换为更易编辑和存储的文本信息的技术。利用神经网络进行OCR识别被验证为是一种有效的识别装置。然而，所训练的模型的准确性还有待提高。

发明内容

根据本公开的示例实施例，提供了一种用于训练模型的方法、装置、设备、计算机可读存储介质和计算机程序产品。

在本公开的第一方面中，提供了一种用于训练模型的方法。该方法包括：获取第一模型和第二模型，其中第一模型至少包括一个或多个第一层级组，第一层级组包括第一特征提取层和第一降采样层，第二模型包括一个或多个第二层级组，第二层级组包括第二特征提取层、第三特征提取层和第二降采样层，第一模型和第二模型被初始化以具有不同的模型参数；基于训练样本，根据第一模型和第二模型来确定第一约束，第一约束与第一模型和第二模型中的对应层级组中的第一降采样层和第二降采样层针对训练样本的输出之间的差异有关；以及至少基于第一约束，训练第一模型和第二模型，以获取经训练的第一模型。

在本公开的第二方面中，提供了一种用于训练模型的装置。该装置包括：模型获取模块，被配置为获取第一模型和第二模型，其中第一模型至少包括一个或多个第一层级组，第一层级组包括第一特征提取层和第一降采样层，第二模型包括一个或多个第二层级组，第二层级组包括第二特征提取层、第三特征提取层和第二降采样层，第一模型和第二模型被初始化以具有不同的模型参数；第一约束确定模块，被配置为基于训练样本，根据第一模型和第二模型来确定第一约束，第一约束与第一模型和第二模型中的对应层级组中的第一降采样层和第二降采样层针对训练样本的输出之间的差异有关；以及第一模型训练模块，被配置为至少基于第一约束，训练第一模型和第二模型，以获取经训练的第一模型。

在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，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根据本公开的第一方面的方法。

在本公开的第四方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，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根据本公开的第二方面的方法。

在本公开的第五方面中，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

在本公开的第六方面中，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第二方面的方法。

在本公开的第七方面中，提供了一种计算机程序产品，包括计算机程序指令，该计算机程序指令被处理器实现如本公开的第一方面的方法。

在本公开的第八方面中，提供了一种计算机程序产品，包括计算机程序指令，该计算机程序指令被处理器实现如本公开的第二方面的方法。