[发明专利]一种网络模型的训练方法、图像识别的方法以及相关装置

权利要求书

1.一种网络模型的训练方法，其特征在于，包括：

获取原始图像样本对集合以及新增图像样本对集合，其中，所述原始图像样本对集合包括用于训练原始网络模型的至少两个原始图像样本对，所述新增图像样本对集合包括识别错误的至少两个新增图像样本对；

根据所述新增图像样本对集合，获取所述原始图像样本对集合中每个原始图像样本对的标注结果，得到扩充图像样本对集合，其中，所述扩充图像样本对集合包括标注为识别错误的扩充图像样本对以及标注为识别正确的扩充图像样本对；

根据所述扩充图像样本对集合以及所述新增图像样本对集合，构建三元组图像样本集合，其中，所述三元组图像样本集合包括至少一个三元组图像样本，三元组图像样本包括至少两个标注为识别错误的图像样本或识别正确的图像样本；

基于所述三元组图像样本集合，通过待训练网络模型获取每个三元组图像样本中每个样本图像所对应的目标嵌入特征，其中，所述待训练网络模型与所述原始网络模型具有相同的网络结构，且，所述待训练网络模型的网络参数与所述原始网络模型的网络参数一致；

针对于所述每个三元组图像样本，根据所述每个图像样本所对应的标注结果以及所述每个样本图像所对应的目标嵌入特征，对所述待训练网络模型的模型参数进行更新，直至满足模型训练条件，得到目标网络模型。

2.根据权利要求1所述的训练方法，其特征在于，所述根据所述新增图像样本对集合，获取所述原始图像样本对集合中每个原始图像样本对的标注结果，得到扩充图像样本对集合，包括：

基于所述原始图像样本对集合，通过所述原始网络模型获取每个原始图像样本所对应的第一嵌入特征，其中，所述原始图像样本对集合包括2M个原始图像样本，所述M为大于1的整数；

基于所述新增图像样本对集合，通过所述原始网络模型获取每个新增图像样本所对应的第二嵌入特征，其中，所述新增图像样本对集合包括2N个新增图像样本，所述N为大于1的整数；

根据所述每个新增图像样本所对应的第二嵌入特征，对所述2N个新增图像样本进行聚类处理，得到至少两个聚类中心，其中，每个聚类中心对应于一种识别错误的预设样式；

根据所述至少两个聚类中心，获取每个新增图像样本对中每个新增图像样本所对应的最短距离，得到2N个最短距离；

根据所述至少两个聚类中心，获取所述每个原始图像样本所对应的第一嵌入特征分别与每个聚类中心的距离；

根据所述每个原始图像样本所对应的第一嵌入特征分别与每个聚类中心的距离与距离阈值之间的关系，对所述原始图像样本对集合中的每个原始图像样本对进行标注，得到扩充图像样本对集合，其中，所述距离阈值为根据所述2N个最短距离确定的。

3.根据权利要求2所述的训练方法，其特征在于，所述根据所述每个原始图像样本所对应的第一嵌入特征分别与每个聚类中心的距离与距离阈值之间的关系，对所述原始图像样本对集合中的每个原始图像样本对进行标注，得到扩充图像样本对集合，包括：

将所述2N个最短距离中的最大值作为所述距离阈值；

若第一嵌入特征与聚类中心的距离小于所述距离阈值，则将所述第一嵌入特征所对应的原始图像样本标注为识别错误的扩充图像样本；

若第一嵌入特征与聚类中心的距离大于或等于所述距离阈值，则将所述第一嵌入特征所对应的原始图像样本标注为识别正确的扩充图像样本；

将对应于同一个原始图像样本对的两个扩充图像样本作为一个扩充图像样本对，直至得到所述扩充图像样本对集合。

4.根据权利要求3所述的训练方法，其特征在于，所述将对应于同一个原始图像样本对的两个扩充图像样本作为一个扩充图像样本对，包括：

若对应于同一个原始图像样本对的一个扩充图像样本标注为识别错误的扩充图像样本，且，另一个扩充图像样本标注为识别正确的扩充图像样本，则将所述另一个扩充图像样本标注为识别错误的扩充图像样本。