[发明专利]一种模型训练方法、装置、电子设备及存储介质

说明书

本发明实施例适用于人工智能技术领域，提供了一种模型训练方法、装置、电子设备及存储介质，其中，模型训练方法包括：将训练图像样本输入第一模型，得到训练图像样本的第一特征；训练图像样本表征含有边框信息的页面设计图；第一特征表征训练图像样本中边框信息的框架样式特征；将框架组件样本输入第二模型，得到框架组件样本的第二特征；框架组件样本是基于对训练图像样本中的边框信息转换得到的张量数据；第二特征表征所述框架组件样本对应的框架样式特征；基于第一特征与第二特征的相似度，确定设定的损失函数对应的损失值；根据损失值更新第一模型和/或第二模型的权重参数。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种模型训练方法、装置、电子设备及存储介质。

背景技术

相关技术在进行图像检索时，主要是针对图像中的特定对象进行检索，比如图像中的人或物。当基于图像检索的思路进行图像的框架样式的检索学习时，容易学习到图像中的特定对象的信息，导致信息冗余，从而模型在进行图像的框架样式的检索时检索准确率低。

发明内容

为了解决上述问题，本发明实施例提供了一种模型训练方法、装置、电子设备及存储介质，以至少解决相关技术在进行图像的框架样式的检索学习时，容易学习到图像中的特定对象的信息的问题。

本发明的技术方案是这样实现的：

第一方面，本发明实施例提供了一种模型训练方法，该方法包括：

将训练图像样本输入第一模型，得到所述训练图像样本的第一特征；所述训练图像样本表征含有边框信息的页面设计图；所述第一特征表征所述训练图像样本中边框信息的框架样式特征；

将框架组件样本输入第二模型，得到所述框架组件样本的第二特征；所述框架组件样本是基于对所述训练图像样本中的边框信息转换得到的张量数据；所述第二特征表征所述框架组件样本对应的框架样式特征；

基于所述第一特征与所述第二特征的相似度，确定设定的损失函数对应的损失值；

根据所述损失值更新所述第一模型和/或所述第二模型的权重参数。

上述方案中，所述第一模型和所述第二模型共享输出层。

上述方案中，所述第一模型和所述第二模型基于yolo模型构建。

第二方面，本发明实施例提供了一种检索方法，该方法包括：

将检索对象输入至与所述检索对象的类型对应的特征提取模型，得到所述检索对象对应的框架样式特征；所述特征提取模型包括基于模型训练方法训练得到的第一模型或第二模型；

将所述框架样式特征输入至第一数据库进行匹配，得到所述检索对象对应的检索结果；其中，

所述检索对象的类型包括图片或者框架组件；所述第一数据库为与检索结果的类型相关的数据库；所述检索结果的类型包括图片或者框架组件。

上述方案中，在所述检索对象为图片的情况下，所述检索对象的类型对应的特征提取模型为所述第一模型；所述将所述框架样式特征输入至第一数据库进行匹配，得到所述检索对象对应的检索结果，包括：

确定所述框架样式特征与所述第一数据库中存储的每个第一特征之间的相似度；所述第一数据库存储有至少两张图片和所述至少两张图片中每张图片对应的第一特征；所述第一特征表征框架样式特征；

基于所述相似度确定所述检索结果。

上述方案中，在所述检索对象为图片的情况下，所述检索对象的类型对应的特征提取模型为所述第一模型；所述将所述框架样式特征输入至第一数据库进行匹配，得到所述检索对象对应的检索结果，包括：