[发明专利]网络模型的训练方法、识别方法、装置及电子设备

权利要求书

1.一种网络模型的训练方法，其特征在于，所述方法包括：

获取样本图像；

将所述样本图像分别输入质量网络以及识别模型的特征提取网络中，得到预测质量以及识别特征，所述识别模型包括所述特征提取网络以及全连接层；

基于所述识别特征以及所述全连接层的参数确定目标质量，并利用所述目标质量以及所述预测质量，确定质量损失；

根据所述质量损失，对所述识别模型以及所述质量网络的参数进行更新，确定目标特征提取网络以及目标质量网络；

所述基于所述识别特征以及所述全连接层的参数确定目标质量，并利用所述目标质量以及所述预测质量，确定质量损失，包括：

获取所述样本图像的目标类别；

在所述全连接层对应于每个类别的权重中，提取对应于所述目标类别的权重得到目标类代理；

基于所述识别特征与所述目标类代理的相似度，计算所述目标质量；

利用所述目标质量以及所述预测质量，确定所述质量损失。

2.根据权利要求1所述的训练方法，其特征在于，所述根据所述质量损失，对所述识别模型以及所述质量网络的参数进行更新，确定目标特征提取网络以及目标质量网络，包括：

获取所述全连接层输出的预测类别；

利用所述目标类别与所述预测类别的误差，确定分类损失；

利用所述分类损失以及所述质量损失，确定联合损失；

基于所述联合损失，对所述识别模型以及所述质量网络的参数进行更新，确定目标特征提取网络以及目标质量网络。

3.一种识别方法，其特征在于，所述方法包括：

获取待识别图像；

将所述待识别图像输入目标特征提取网络和/或目标质量网络中，得到所述待识别图像的识别特征和/或所述待识别图像的图像质量，所述目标特征提取网络和/或目标质量网络是根据权利要求1-2中任一项所述的网络模型的训练方法训练得到的。

4.根据权利要求3所述的方法，其特征在于，所述待识别图像包括同一目标的至少两张图像，所述将所述待识别图像输入目标特征提取网络和/或目标质量网络中，得到所述待识别图像的识别特征和/或所述待识别图像的图像质量，包括：

将所有待识别图像分别输入所述目标特征提取网络以及所述目标质量网络中，得到对应于各个待识别图像的识别特征以及图像质量；

基于各个待识别图像的图像质量对各个识别特征进行融合，确定所述目标的目标识别特征。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

将所述目标识别特征与待匹配特征进行比对，确定所述目标的类别信息。

6.一种网络模型的训练装置，其特征在于，所述装置包括：

第一获取模块，用于获取样本图像；

第一确定模块，用于将所述样本图像分别输入质量网络以及识别模型的特征提取网络中，得到预测质量以及识别特征，所述识别模型包括所述特征提取网络以及全连接层；

第二确定模块，用于基于所述识别特征以及所述全连接层的参数确定目标质量，并利用所述目标质量以及所述预测质量，确定质量损失；

更新模块，用于根据所述质量损失，对所述识别模型以及所述质量网络的参数进行更新，确定目标特征提取网络以及目标质量网络；

所述第二确定模块，具体用于获取所述样本图像的目标类别；在所述全连接层对应于每个类别的权重中，提取对应于所述目标类别的权重得到目标类代理；基于所述识别特征与所述目标类代理的相似度，计算所述目标质量；利用所述目标质量以及所述预测质量，确定所述质量损失。

7.一种识别装置，其特征在于，所述装置包括：

第二获取模块，用于获取待识别图像；

提取模块，用于将所述待识别图像输入目标特征提取网络和/或目标质量网络中，得到所述待识别图像的识别特征和/或所述待识别图像的图像质量，所述目标特征提取网络和/或目标质量网络是根据权利要求1-2中任一项所述的网络模型的训练方法训练得到的。