[发明专利]图像检索模型的训练方法、装置、设备及存储介质

说明书

本申请实施例提供了一种图像检索模型的训练方法、装置、设备及存储介质。在经过图像检索模型得到多个样本图像的哈希码后，获取多个样本图像所属的多个图像类别对应的类中心，从而基于各个样本图像到其对应类中心的距离以及各个类中心之间的距离，来对图像检索模型和各个类中心进行训练。这种训练方式能够减少模型训练的计算量，从而提高模型的训练效率，而且，训练后的图像检索模型能够生成更具有判别性的哈希码，从而在提高训练效率的同时，能够有效提高图像检索模型的准确率。

技术领域

本申请涉及图像检索技术领域，特别涉及一种图像检索模型的训练方法、装置、设备及存储介质。

背景技术

随着深度学习技术的不断发展，基于深度学习的图像检索模型已被广泛应用于娱乐、安防和信息安全等诸多场景中。为了在大规模图像库中进行快速有效地检索，图像检索模型往往会引入哈希函数，通过哈希函数将图像转换为二进制哈希码，利用二进制哈希码在汉明距离计算上的高效性和存储空间上的优势，来实现大规模图像检索。

然而，相关技术在训练图像检索模型时的计算量过于庞大，开发人员往往会从整个训练集中选用部分样本进行训练，使得图像检索模型不能充分学习到所有样本的信息，导致训练得到的图像检索模型在图像检索时准确率较低。

发明内容

本申请实施例提供了一种图像检索模型的训练方法、装置、设备及存储介质，能够在提高训练效率的同时，提高图像检索模型的准确率。该技术方案如下：

一方面，提供了一种图像检索模型的训练方法，该方法包括：

基于图像检索模型对多个样本图像进行处理，得到该多个样本图像的哈希码；

基于该多个样本图像所属的多个图像类别，获取该多个图像类别的类中心；

基于该多个样本图像与该多个样本图像对应的类中心之间的第一信息、各个该类中心之间的第二信息，计算损失值，该第一信息和该第二信息分别用于指示对应的样本图像的哈希码在汉明空间内的信息；

基于该损失值，对该图像检索模型和各个该类中心进行训练。

另一方面，提供了一种图像检索模型的训练装置，该装置包括：

处理模块，用于基于图像检索模型对多个样本图像进行处理，得到该多个样本图像的哈希码；

类中心获取模块，用于基于该多个样本图像所属的多个图像类别，获取该多个图像类别的类中心；

计算模块，用于基于该多个样本图像与该多个样本图像对应的类中心之间的第一信息、各个该类中心之间的第二信息，计算损失值，该第一信息和该第二信息分别用于指示对应的样本图像的哈希码在汉明空间内的信息；

训练模块，用于基于该损失值，对该图像检索模型和各个该类中心进行训练。

在一种可选地实现方式中，该装置还包括：

回归矩阵获取模块，用于基于标签矩阵和该多个样本图像的哈希码，获取回归矩阵，该标签矩阵用于指示该多个样本图像所属的图像类别；

该计算模块用于：

基于该多个样本图像与该多个样本图像对应的类中心之间的第一信息、各个该类中心之间的第二信息以及该回归矩阵，计算该损失值。

在一种可选地实现方式中，该计算模块用于：

保持该回归矩阵、图像检索模型的网络参数以及各个类中心不变，对多个样本图像的哈希码进行更新，得到更新后的该多个样本图像的哈希码；

保持该回归矩阵以及更新后的该多个样本图像的哈希码不变，基于该多个样本图像与该多个样本图像对应的类中心之间的第一信息、各个该类中心之间的第二信息以及该回归矩阵，计算该损失值；