[发明专利]基于关系推理的自监督学习模型训练方法和装置

摘要

本发明提出一种基于关系推理的自监督学习模型训练方法和装置，通过不同的几何变换操作获取各个图像对应的不同局部观察图像，提取相应图像对应的局部特征，对局部特征进行融合得到相应图像的全局特征，预测局部特征和全局特征之间对应的预测几何变换操作，根据预测几何变换操作和实际几何变换操作之间的差异，构建学习模型的损失函数，通过损失函数的迭代确定学习模型的目标参数，即利用该预测几何变换操作作为监督信号对学习模型进行训练，实现了将预设辅助任务的关系建立于全局特征和局部特征之间，从而使得模型学习得到的特征能够专注于对视觉对象的语义信息的捕获，从而减少预设辅助任务对特征学习的影响，易于向目标任务的迁移。

主权项

1.一种基于关系推理的自监督学习模型训练方法，其特征在于，包括以下步骤：获取样本图片集，对所述样本图像集中的每个样本图片采用选定的几何变换操作进行几何变换，以确定每个样本图片对应的不同局部观察图片；将每张图片对应的不同局部观察图片输入初始学习模型，得到相应图片对应的不同局部观察图片的局部特征；将相应图片对应的不同局部观察图片的局部特征进行融合，得到相应图片的全局特征；针对每张图片，确定相应图片对应的不同局部观察图片的局部特征和所述相应图片的全局特征之间的预测几何变换关系，根据所述预测几何变换关系和相应局部观察图片对应的实际几何变换关系之间的差异，构建所述学习模型的损失函数；根据所述学习模型的损失函数，对所述学习模型进行修正，确定所述学习模型对应的目标参数，以生成所述学习模型。