[发明专利]训练方法、对象识别方法、装置、电子设备以及存储介质

权利要求书

1.一种对象识别模型的训练方法，包括：

确定与至少一个类别中的每个类别对应的全局类别特征；

针对样本图像集中的每个样本图像，确定与所述样本图像中的对象对应的对象特征和所述全局类别特征之间的相似度；

从至少一个所述相似度中确定至少一个目标相似度，其中，每个所述目标相似度表征所述每个对象特征与每个目标全局类别特征之间的相似度，所述目标全局类别特征表征满足相似度条件的非归属全局类别特征，所述非归属全局类别特征表征不与所述对象特征相匹配的全局类别特征；以及

基于损失函数，利用至少一个归属相似度、所述至少一个目标相似度和与所述样本图像集对应的类别标签集训练预设模型，得到所述对象识别模型，其中，所述归属相似度表征所述对象特征和归属全局类别特征之间的相似度，所述归属全局类别特征表征与所述对象特征相匹配的全局类别特征。

2.根据权利要求1所述的方法，其中，所述确定与至少一个类别中的每个类别对应的全局类别特征，包括：

确定所述样本图像集包括的至少一个类别，其中，所述样本图像集包括多个批的样本图像集；以及

针对所述至少一个类别中的每个类别，对所述类别进行特征提取，得到与所述类别对应的类别特征。

3.根据权利要求1或2所述的方法，其中，所述基于损失函数，利用至少一个归属相似度、所述至少一个目标相似度和与所述样本图像集对应的类别标签集训练预设模型，得到所述对象识别模型，包括：

针对所述每个样本图像，将与所述样本图像对应的其他相似度设置为预设标识，其中，所述其他相似度表征所述对象特征与不满足所述相似度条件的非归属全局类别特征之间的相似度；

根据与所述样本图像对应的至少一个预设标识、至少一个目标相似度和归属相似度，确定与所述样本图像对应的预测类别；

基于所述损失函数，利用与所述样本图像对应的预测类别和类别标签，得到输出值；

根据所述输出值，调整所述预设模型的模型参数，直至所述输出值收敛；以及

将所述输出值收敛的情况下得到的预设模型确定为所述对象识别模型。

4.根据权利要求1～3中任一项所述的方法，其中，所述从至少一个所述相似度中确定至少一个目标相似度，包括：

对至少一个所述相似度进行排序；以及

根据排序结果，从至少一个所述相似度中确定所述至少一个目标相似度。

5.根据权利要求1～3中任一项所述的方法，其中，所述从至少一个所述相似度中确定至少一个目标相似度，包括：

针对至少一个所述相似度中的每个相似度，在确定所述相似度大于或等于相似度阈值的情况下，将所述相似度确定为所述目标相似度。

6.一种对象识别方法，包括：

将待识别图像输入对象识别模型，得到与所述待识别图像对应的识别结果，

其中，所述对象识别模型是利用根据权利要求1～5中任一项所述的方法训练的。

7.一种对象识别模型的训练装置，包括：

第一确定模块，用于确定与至少一个类别中的每个类别对应的全局类别特征；

第二确定模块，用于针对样本图像集中的每个样本图像，确定与所述样本图像中的对象对应的对象特征和所述全局类别特征之间的相似度；

第三确定模块，用于从至少一个所述相似度中确定至少一个目标相似度，其中，每个所述目标相似度表征所述每个对象特征与每个目标全局类别特征之间的相似度，所述目标全局类别特征表征满足相似度条件的非归属全局类别特征，所述非归属全局类别特征表征不与所述对象特征相匹配的全局类别特征；以及

第一获得模块，用于基于损失函数，利用至少一个归属相似度、所述至少一个目标相似度和与所述样本图像集对应的类别标签集训练预设模型，得到所述对象识别模型，其中，所述归属相似度表征所述对象特征和归属全局类别特征之间的相似度，所述归属全局类别特征表征与所述对象特征相匹配的全局类别特征。