[发明专利]图像处理模型的训练方法及装置

权利要求书

1.一种图像处理模型的训练方法，其特征在于，包括：

获取训练数据集，所述训练数据集包括多个图像数据；

对所述训练数据集中的每个图像数据执行特征提取，得到多个图像特征；

对所述多个图像特征进行聚类；

从聚类后的所述多个图像特征中抽取第一样本并基于第一样本确定第二样本，将第一样本和第二样本构造为正样本对，其中，第二样本为第一样本的正样本；

将聚类后的所述多个图像特征中与第二样本类别相异的图像特征确定为负样本；

通过所述正样本对与所述负样本构造目标损失函数；

基于所述目标损失函数更新所述图像处理模型的参数，来训练所述图像处理模型。

2.如权利要求1所述的图像处理模型的训练方法，其特征在于，所述从聚类后的所述多个图像特征中抽取第一样本并基于第一样本确定第二样本，包括：

从聚类后的所述多个图像特征中随机抽取第一样本；

确定与第一样本对应的聚类中心；

将距离所述聚类中心最近的图像特征确定为第二样本。

3.如权利要求1所述的图像处理模型的训练方法，其特征在于，所述将聚类后的所述多个图像特征中与第二样本类别相异的图像特征确定为负样本，包括：

将从预先建立的记忆库中存储的聚类后的图像特征中与第二样本类别相异的图像特征确定为负样本，其中，所述记忆库用于存储从聚类后的所述多个图像特征中除所述正样本对之外的其余图像特征中选择的预定数量个图像特征。

4.如权利要求3所述的图像处理模型的训练方法，其特征在于，所述通过所述正样本对与所述负样本构造目标损失函数，基于所述目标损失函数更新所述图像处理模型的参数，来训练所述图像处理模型，包括：

通过所述正样本对与所述记忆库中的所有负样本计算所述目标损失函数的值；

基于所述目标损失函数的值更新所述图像处理模型的参数，来训练所述图像处理模型。

5.如权利要求4所述的图像处理模型的训练方法，其特征在于，还包括：

在所述图像处理模型的参数被更新后，从所述记忆库中移除存储的聚类后的图像特征，再从聚类后的所述多个图像特征中除所述正样本对和使用过的图像特征之外的其余图像特征中选择新的预定数量个图像特征存入所述记忆库以用于下一次对所述图像处理模型的参数进行更新。

6.一种图像处理模型的训练装置，其特征在于，包括：

训练数据获取单元，被配置为：获取训练数据集，所述训练数据集包括多个图像数据；

特征提取单元，被配置为：对所述训练数据集中的每个训练数据执行特征提取，得到多个图像特征；

特征聚类单元，被配置为：对所述多个图像特征进行聚类；

正样本对确定单元，被配置为：从聚类后的所述多个图像特征中抽取第一样本并基于第一样本确定第二样本，将第一样本和第二样本构造为正样本对，其中，第二样本为第一样本的正样本；

负样本确定单元，被配置为：将聚类后的所述多个图像特征中与第二样本类别相异的图像特征确定为负样本；

目标损失函数构造单元，被配置为：通过所述正样本对与所述负样本构造目标损失函数；

模型参数更新单元，被配置为：基于所述目标损失函数更新所述图像处理模型的参数，来训练所述图像处理模型。

7.如权利要求6所述的图像处理模型的训练装置，其特征在于，还包括：记忆库更新单元，被配置为：

在对所述图像处理模型的参数进行一次更新后，从所述记忆库中移除存储的聚类后的图像特征，再从聚类后的所述多个图像特征中除所述正样本对和使用过的图像特征之外的其余图像特征中选择新的预定数量个图像特征存入所述记忆库以用于下一次对所述图像处理模型的参数进行更新。

8.一种电子设备，其特征在于，包括：

至少一个处理器；

至少一个存储计算机可执行指令的存储器，

其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1到5中的任一权利要求所述的图像处理模型的训练方法。