[发明专利]图像识别模型的训练方法、装置、电子设备及存储介质

权利要求书

1.一种图像识别模型的训练方法，其特征在于，所述方法包括：

通过待训练的图像识别模型对样本图像中第一物体进行小类识别，得到所述第一物体的小类预测结果；所述样本图像携带有所述第一物体的大类参考信息；

基于小类和大类的对应关系，确定所述小类预测结果所属的目标大类，得到大类预测结果；所述对应关系包括物体分类的N个大类，每个大类包括M个小类，N大于或等于2，M大于或等于1，不同大类中的小类对应的车辆驾驶策略不同；

根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失；

根据所述分类损失更新所述图像识别模型中的参数。

2.根据权利要求1所述的方法，其特征在于，所述大类预测结果对应的大类包括至少两个小类；所述样本图像还携带有所述第一物体的小类参考信息；以及，所述根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失，包括：

根据所述第一物体的大类参考信息和所述大类预测结果计算大类损失；

根据所述第一物体的小类参考信息和所述小类预测结果计算小类损失；

根据所述大类损失和所述小类损失计算分类损失。

3.根据权利要求2所述的方法，其特征在于，所述根据所述大类损失和所述小类损失计算分类损失，包括：

根据与大类对应的第一权重和所述大类损失，以及与小类对应的第二权重和所述小类损失进行加权和计算，得到分类损失。

4.根据权利要求3所述的方法，其特征在于，所述第一权重大于所述第二权重。

5.根据权利要求2所述的方法，其特征在于，所述大类损失或者所述小类损失是基于交叉熵损失函数计算得到的。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

获取待识别的目标图像；

通过训练好的图像识别模型对所述目标图像中第二物体的类别进行小类识别，得到所述第二物体的小类识别结果。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

生成与所述第二物体的小类识别结果对应的车辆驾驶策略。

8.一种图像识别模型的训练装置，其特征在于，包括：

识别模块，用于通过待训练的图像识别模型对样本图像中第一物体进行小类识别，得到所述第一物体的小类预测结果；

确定模块，用于基于小类和大类的对应关系，确定所述小类预测结果所属的目标大类，得到大类预测结果；所述对应关系包括N个大类，每个大类包括M个小类，N大于或等于2，M大于或等于1，不同大类中的小类对应的车辆驾驶策略不同；

更新模块，用于根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失，并根据所述分类损失更新所述图像识别模型中的参数。

9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。