[发明专利]模型获取及对象处理方法、装置、电子设备及存储介质

说明书

本公开提供了模型获取及对象处理方法、装置、电子设备及存储介质，涉及计算机视觉和深度学习等人工智能领域，其中的方法可包括：针对预定类型任务，将其对应的网络模型中的主干网络和非主干网络作为整体，采用自监督算法进行训练；将训练得到的网络模型作为所述预定类型任务对应的预训练模型。应用本公开所述方案，可提升预训练模型的训练效果等。

技术领域

本公开涉及人工智能技术领域，特别涉及计算机视觉和深度学习等领域的模型获取及对象处理方法、装置、电子设备及存储介质。

背景技术

自监督算法是针对分类任务(如图像分类、文本分类)等提出的，以分类任务为例，可利用自监督算法，进行主干网络(Backbone)的训练/学习，从而得到分类任务对应的预训练模型。

但是对于某些任务，如语义分割任务，其网络结构中除了包括主干网络外，还会包括非主干网络部分，如分割头(head)。若采用现有的自监督算法训练语义分割任务对应的预训练模型，将只会对主干网络进行训练，从而仅能学习到主干网络的特征表示能力，进而影响了预训练模型的训练效果等。

发明内容

本公开提供了模型获取及对象处理方法、装置、电子设备及存储介质。

一种模型获取方法，包括：

针对预定类型任务，将其对应的网络模型中的主干网络和非主干网络作为整体，采用自监督算法进行训练；

将训练得到的网络模型作为所述预定类型任务对应的预训练模型。

一种对象处理方法，包括：

获取待处理对象；

将所述待处理对象作为第一模型的输入，得到输出的所述待处理对象的处理结果，其中，所述第一模型为基于预训练模型生成的模型，所述预训练模型为将其中的主干网络和非主干网络作为整体、采用自监督算法训练得到的模型。

一种模型获取装置，包括：第一训练模块以及第二训练模型；

所述第一训练模块，用于针对预定类型任务，将其对应的网络模型中的主干网络和非主干网络作为整体，采用自监督算法进行训练；

所述第二训练模块，用于将训练得到的网络模型作为所述预定类型任务对应的预训练模型。

一种对象处理装置，包括：获取模块以及处理模块；

所述获取模块，用于获取待处理对象；

所述处理模块，用于将所述待处理对象作为第一模型的输入，得到输出的所述待处理对象的处理结果，其中，所述第一模型为基于预训练模型生成的模型，所述预训练模型为将其中的主干网络和非主干网络作为整体、采用自监督算法训练得到的模型。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

上述公开中的一个实施例具有如下优点或有益效果：针对预定类型任务，可将主干网络和非主干网络作为整体，采用自监督算法进行训练，以得到所需的预训练模型，从而提升了预训练模型的训练效果，即提升了模型性能，并相应地提升了后续处理结果的准确性等。