[发明专利]图像识别模型训练方法、装置、设备及介质

权利要求书

1.一种图像识别模型训练方法，其特征在于，包括：

建立初始图像识别模型；所述初始图像识别模型中具有损失函数；所述初始图像识别模型包括特征提取网络与分类网络，其中，所述特征提取网络用于接收携带标签的样本图像，并输出特征图；所述分类网络用于接收所述特征图，并根据所述特征图中的K个目标特征点输出初始识别结果，K为大于1的整数；

在使用训练样本集对所述初始图像识别模型进行训练的过程中，按照预设衰减规则更新所述K的值，按照所述损失函数的损失值更新所述初始图像识别模型的网络参数；以及，

在所述损失函数的损失值小于损失阈值的情况下，获得训练完成的图像识别模型；

其中，所述训练样本集包括多个携带标签的样本图像，所述损失函数的损失值为根据所述标签与所述初始识别结果确定。

2.根据权利要求1所述的方法，其特征在于，所述特征图包括L个初始特征点，L为大于或等于K的整数；

所述根据所述特征图中的K个目标特征点输出初始识别结果，包括：

获取所述L个初始特征点中各个所述初始特征点的响应值；

根据各个所述初始特征点的响应值，从所述L个初始特征点中确定出K个目标特征点；以及，

根据所述K个目标特征点输出初始识别结果。

3.根据权利要求2所述的方法，其特征在于，所述根据各个所述初始特征点的响应值，从所述L个初始特征点中确定出K个目标特征点，包括：

根据各个所述初始特征点的响应值，对所述特征图进行插值处理，得到插值图像，所述插值图像的分辨率与所述样本图像的分辨率相同，每一所述初始特征点在所述插值图像中具有对应的初始图像区域；

根据各个所述初始图像区域的特征值确定各个所述初始图像区域对应的初始特征点的显著性得分；

按照所述显著性得分从大到小的顺序，从所述L个初始特征点中确定出K个目标特征点。

4.根据权利要求2所述的方法，其特征在于，所述根据各个所述初始特征点的响应值，从所述L个初始特征点中确定出K个目标特征点，包括：

在所述特征图中添加目标噪声，以更新各个所述初始特征点的响应值；

根据更新后的各个所述初始特征点的响应值，从所述L个初始特征点中确定出K个目标特征点。

5.根据权利要求1所述的方法，其特征在于，所述预设衰减规则，包括：

每在使用预设数量的所述样本图像对所述初始图像识别模型进行训练的情况下，将所述K的值减小预设值，直至K的值等于预设的数值阈值时，停止减少K的值。

6.根据权利要求1所述的方法，其特征在于，所述在使用训练样本集对所述初始图像识别模型进行训练的过程中，按照预设衰减规则更新所述K的值，按照所述损失函数的损失值更新所述初始图像识别模型的网络参数之前，所述方法还包括：

获取P个第一样本图像，P为大于1的整数；

对所述P个第一样本图像进行标注，得到P个携带标签的第一样本图像；

对至少一个所述携带标签的第一样本图像进行数据增强处理，得到Q个携带标签的第二样本图像，Q为正整数；

根据所述P个携带标签的第一样本图像与所述Q个携带标签的第二样本图像，得到训练样本集。

7.根据权利要求1所述的方法，其特征在于，所述训练完成的图像识别模型用于接收包括主体目标的待识别图像，输出对所述待识别图像中的主体目标的识别结果，和/或，输出所述待识别图像中的与所述主体目标关联的显著性区域，所述显著性区域与所述目标特征点匹配。