[发明专利]模型训练方法、装置、识别方法、电子设备及存储介质有效
| 申请号： | 201810851349.4 | 申请日： | 2018-07-27 |
| 公开（公告）号： | CN109145766B | 公开（公告）日： | 2021-03-23 |
| 发明（设计）人： | 张弛 | 申请（专利权）人： | 北京旷视科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 王文红 |
| 地址： | 100000 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种模型训练方法、装置、识别方法、电子设备及存储介质，涉及图像识别技术领域。该方法包括获取第一特征向量，第一特征向量是由训练样本对第一ReID模型训练获得的全局特征构成的；根据第一ReID模型对训练样本进行聚类分析获得训练样本中的难样本；根据难样本和损失函数训练第二ReID模型，直至第二ReID模型符合预设要求，获得第二特征向量，第二特征向量包括全局特征和局部特征。装置用于执行上述方法。本发明实施例通过利用难样本训练第二ReID模型，并利用损失函数使得第二ReID模型输出的第二特征向量中既包含全局特征又包含布局特征，从而在进行图像重识别是能够同时兼顾一般样例和高度相似样例。 | ||
| 搜索关键词： | 模型 训练 方法 装置 识别 电子设备 存储 介质 | ||
【主权项】：
1.一种模型训练方法，其特征在于，包括：获取第一行人重识别ReID模型对应的第一特征向量，所述第一特征向量是由训练样本对所述第一ReID模型训练获得的全局特征构成的；根据所述第一ReID模型对所述训练样本进行聚类分析，获得所述训练样本中的难样本；根据所述难样本和损失函数训练第二ReID模型，若本次训练的第二ReID模型不符合预设要求，则对本次训练中所用的难样本进行聚类分析，更新获得下次训练所需的难样本，以及根据本次训练的第二ReID模型更新下次训练所需的损失函数，根据更新的难样本和更新的损失函数对第二ReID模型进行下一次训练，依此循环，直至第二ReID模型符合预设要求，获得第二特征向量；其中，第二特征向量包括局部特征和所述第一特征向量中的全局特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司，未经北京旷视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810851349.4/，转载请声明来源钻瓜专利网。
