[发明专利]图像识别模型的训练方法、图像的识别方法、装置、设备

权利要求书

1.一种图像识别模型的训练方法，其特征在于，所述方法包括：

获取训练数据；

获取基础模型，所述基础模型包括编码器和解码器，所述编码器包括顺序连接的n个卷积模块，所述n是大于1的整数；

根据构建在所述编码器上的注意力自监督机制，使用所述训练数据训练所述基础模型得到图像识别模型，所述注意力自监督机制用于根据所述n个卷积模块中的第i+1个卷积模块输出的第i+1个特征图像监督调整第i个卷积模块，所述i是大于0小于所述n的整数。

2.根据权利要求1所述的方法，其特征在于，所述根据构建在所述编码器上的注意力自监督机制，使用所述训练数据训练所述基础模型得到图像识别模型，包括：

将所述训练数据输入所述基础模型；

根据所述基础模型的输出和第一预训练损失函数计算第一损失；

根据所述卷积模块的输出和自监督损失函数计算第二损失；

根据所述第一损失和所述第二损失训练所述基础模型得到所述图像识别模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述卷积模块的输出和自监督损失函数计算第二损失，包括：

获取所述第i个卷积模块输出的第i个特征图像和所述第i+1个卷积模块输出的所述第i+1个特征图像，所述i是大于0小于所述n的整数；

计算所述第i个特征图像对应的第i个注意力特征图和所述第i+1个特征图像对应的第i+1个注意力特征图；

根据所述第i+1个注意力特征图、所述第i个注意力特征图和所述自监督损失函数计算所述第i个卷积模块对应的第i个损失值；

重复上述步骤计算得到所述第二损失，所述第二损失包括n-1个卷积模块对应的n-1个损失值。

4.根据权利要求1至3任一所述的方法，其特征在于，所述获取基础模型，包括：

获取初始化模型，所述初始化模型包括所述编码器和所述解码器；

根据第二预训练损失函数，使用所述训练数据训练所述初始化模型得到所述基础模型。

5.根据权利要求1至3任一所述的方法，其特征在于，所述卷积模块采用深度可分离卷积结构。

6.一种图像的识别方法，其特征在于，所述方法应用于运行有图像识别模型的计算机设备，所述图像识别模型是采用如权利要求1至5任一所述的方法训练得到的，所述方法包括：

获取目标图像；

通过编码器对所述目标图像进行编码处理得到编码特征图像；

通过解码器对所述编码特征图像进行解码处理得到解码特征图像；

根据所述解码特征图像输出所述目标图像的图像识别结果，所述图像识别结果包括将所述目标图像中的目标区域识别为目标类型。

7.根据权利要求6所述的方法，其特征在于，所述编码器包括n个顺序连接的卷积模块，所述n是大于1的整数；

所述通过编码器对所述目标图像进行卷积得到编码特征图像，包括：

将所述目标图像输入第1个所述卷积模块，得到第1个所述特征图像；

将第i个所述特征图像输入第i+1个所述卷积模块，得到第i+1个所述特征图像，所述i是大于0小于所述n的整数；

将第n个所述特征图像确定为所述编码特征图像。

8.根据权利要求6所述的方法，其特征在于，所述通过解码器对所述编码特征图像进行解码处理得到解码特征图像，包括：

采用双线性差值上采样对所述编码特征图像进行逐层上采样得到上采样特征图像；对所述上采样特征图像进行卷积得到所述解码特征图像；

或，

对所述编码特征图像进行卷积得到所述解码特征图像。