[发明专利]模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

构造识别模型的损失函数，其中，所述损失函数包括辅助损失部分，所述辅助损失部分用于要求第一相似度大于第一相似度阈值，所述第一相似度为训练样本与该训练样本的目标原型之间的相似度；

根据所述损失函数，训练所述识别模型。

2.根据权利要求1所述的方法，其特征在于，还包括，通过以下方式，构造所述辅助损失部分：

确定第二相似度，其中，所述第二相似度为与所述训练样本相似度最大的非目标原型与所述训练样本之间的相似度；

根据所述第一相似度，第二相似度，以及所述第一相似度阈值，构造所述辅助损失部分。

3.根据权利要求2所述的方法，其特征在于，根据所述第一相似度，第二相似度，以及所述第一相似度阈值，构造所述辅助损失部分，包括：

通过以下公式，构造所述辅助损失部分：

L_aux＝max(0,σ-W_yi*xi)+max(0,W_{max_j}*xi-σ)，

其中，L_aux为所述辅助损失部分的损失值，yi为所述训练样本所属的类别，xi为所述训练样本采用所述识别模型提取的特征，W_yi为所述目标原型的特征，W_yi*xi为所述第一相似度，W_{max_j}为与所述训练样本相似度最大的非目标原型的特征，W_{max_j}*xi为所述第二相似度，σ为所述第一相似度阈值。

4.根据权利要求2所述的方法，其特征在于，根据所述第一相似度，第二相似度，以及所述第一相似度阈值，构造所述辅助损失部分，包括：

确定第二相似度阈值，其中，所述第一相似度阈值比所述第二相似度阈值至少大相似度间隔；

根据所述第一相似度，所述第二相似度，所述第一相似度阈值，以及所述第二相似度阈值，构造所述辅助损失部分。

5.根据权利要求4所述的方法，其特征在于，根据所述第一相似度，所述第二相似度，所述第一相似度阈值，以及所述第二相似度阈值，构造所述辅助损失部分，包括：

通过以下公式，构造所述辅助损失部分：

L_aux＝max(0,σ_H-W_yi*xi)+max(0,W_{max_j}*xi-σ_L)，且σ_H-σ_L＝α＞0，

其中，L_aux为所述辅助损失部分的损失值，yi为所述训练样本所属的类别，xi为所述训练样本采用所述识别模型提取的特征，W_yi为所述目标原型的特征，W_yi*xi为所述第一相似度，W_{max_j}为与所述训练样本相似度最大的非目标原型的特征，W_{max_j}*xi为所述第二相似度，σ_H为所述第一相似度阈值，σ_L为所述第二相似度阈值，α为所述相似度间隔。

6.根据权利要求4所述的方法，其特征在于，所述第一相似度阈值和所述第二相似度阈值均通过以下方式至少之一确定：

固定值；

通过目标拟合函数得到的拟合值；

通过最小化所述辅助损失部分得到的优化值。