[发明专利]用于训练判别模型的方法、装置、设备及可读存储介质

权利要求书

1.一种用于训练判别模型的方法，包括：

根据已知所属类别的图像特征数据确定每个类别的类中心；

根据所述类中心确定类内距离和类间距离；

根据所述类内距离和所述类间距离构建目标损失函数，并基于所述目标损失函数训练得到图像类别判别模型。

2.根据权利要求1所述的方法，其中，当每个类别的图像特征数据由分属多个子类的图像子特征数据共同构成时，根据所述类内距离和所述类间距离构建目标损失函数，包括：

根据所述子类的图像子特征数据确定子类中心；

根据所述子类中心计算子类内方差；

根据所述子类内方差确定所述类内距离的初始值；

根据不同类别的类中心间距确定所述类间距离的初始值；

根据所述类内距离的初始值和所述类间距离的初始值构建所述目标损失函数。

3.根据权利要求2所述的方法，其中，根据所述子类内方差确定所述类内距离的初始值，包括：

将分别与每个所述子类对应的子类内方差中方差值较大的前K个子类方差选作目标子类方差；其中，K的数量小于所述子类的数量；

将各所述目标子类方差的和作为所述类别的类内距离的初始值。

4.根据权利要求2所述的方法，其中，根据不同类别的类中心间距确定所述类间距离的初始值，包括：

将最近类中心间距作为所述类间距离的初始值。

5.根据权利要求1所述的方法，其中，在根据所述类内距离的初始值和所述类间距离的初始值构建得到目标损失函数之前，还包括：

判断所述类内距离的初始值是否小于预设阈值；

若不小于所述预设阈值，则调整所述类内距离的初始值。

6.根据权利要求1所述的方法，其中，基于所述目标损失函数训练得到图像类别判别模型，包括：

基于所述目标损失函数、交叉熵损失函数和难样本挖掘三元组损失函数训练得到所述图像类别判别模型。

7.根据权利要求6所述的方法，其中，基于所述目标损失函数、交叉熵损失函数和难样本挖掘三元组损失函数训练得到所述图像类别判别模型，包括：

分别确定所述目标损失函数、所述交叉熵损失函数以及所述难样本挖掘三元组损失函数的权值；

按加权计算法对每个损失函数使用相应的权值进行加权，得到综合损失函数；

根据所述综合损失函数训练得到所述图像类别判别模型。

8.根据权利要求7所述的方法，其中，分别确定所述目标损失函数、所述交叉熵损失函数以及所述难样本挖掘三元组损失函数的权值，包括：

分别获取所述目标损失函数、所述交叉熵损失函数以及所述难样本挖掘三元组损失函数的当前损失值；

按正比关系确定与所述当前损失值对应的权值。

9.根据权利要求要求1至8任一项所述的方法，还包括：

获取待判别图像数据；

利用所述图像类别判别模型判别所述待判别图像数据所属的类别。

10.一种用于训练判别模型的装置，包括：

类中心确定单元，被配置成根据已知所属类别的图像特征数据确定每个类别的类中心；

类内/类间距离确定单元，被配置成根据所述类中心确定类内距离和类间距离；

损失函数构建及训练单元，被配置成根据所述类内距离和所述类间距离构建目标损失函数，并基于所述目标损失函数训练得到图像类别判别模型。