[发明专利]识别模型的训练方法及装置、对象识别方法及装置

权利要求书

1.一种识别模型的训练方法，包括：

利用全域样本数据进行针对预设初始识别模型的预训练，得到中间识别模型，所述全域样本数据为对数据来源不进行限定的样本数据；

利用局域样本数据对所述中间识别模型进行调优，得到经训练的识别模型，

其中，所述局域样本数据为对数据来源进行区域性限定的样本数据，所述全域样本数据和所述局域样本数据包含相同类型的待识别对象。

2.根据权利要求1所述的方法，其中，所述利用全域样本数据进行针对预设初始识别模型的预训练，得到中间识别模型，包括：

将所述全域样本数据输入所述初始识别模型，得到与所述待识别对象关联的全域对象特征；

基于所述全域对象特征识别所述待识别对象，得到中间识别结果；以及

根据所述中间识别结果调整所述初始识别模型的参数，得到所述中间识别模型。

3.根据权利要求2所述的方法，其中，所述利用局域样本数据对所述中间识别模型进行调优，得到经训练的识别模型，包括：

将所述局域样本数据输入所述中间识别模型，得到与所述待识别对象关联的局域对象特征；

利用所述局域对象特征对所述全域对象特征进行增强，得到增强后的对象特征；

基于所述增强后的对象特征识别所述待识别对象，得到对象识别结果；以及

根据所述对象识别结果调整所述中间识别模型的参数，得到所述经训练的识别模型。

4.根据权利要求3所述的方法，其中，所述利用所述局域对象特征对所述全域对象特征进行增强，得到增强后的对象特征，包括：

对具有相同特征属性的局域对象特征和全域对象特征进行加权平均，得到加权后的对象特征；以及

利用所述加权后的对象特征替换对应的全域对象特征，以得到所述增强后的对象特征。

5.根据权利要求3所述的方法，其中，所述利用所述局域对象特征对所述全域对象特征进行增强，得到增强后的对象特征，包括：

对具有相同特征属性的局域对象特征和全域对象特征进行相似度计算，得到每个局域对象特征与对应全域对象特征之间的相似度；

根据与所述每个局域对象特征关联的相似度，针对所述每个局域对象特征分配权重，得到加权后的局域对象特征；

将所述全域对象特征和所述加权后的局域对象特征，作为所述增强后的对象特征。

6.根据权利要求5所述的方法，其中，所述基于所述增强后的对象特征识别所述待识别对象，得到对象识别结果，以及根据所述对象识别结果调整所述中间识别模型的参数，得到所述经训练的识别模型，包括：

基于所述全域对象特征识别局部区域内的待识别对象，得到与所述中间识别模型关联的全域损失函数；

基于所述加权后的局域对象特征识别所述局部区域内的待识别对象，得到与所述中间识别模型关联的局域损失函数；

根据所述全域损失函数和所述局域损失函数，调整所述中间识别模型的参数，直至满足预设训练终止条件，得到所述经训练的识别模型，

其中，所述局部区域包括所述局域样本数据的数据来源。

7.根据权利要求3所述的方法，其中，在所述中间识别模型包括注意力机制网络的情况下，所述利用所述局域对象特征对所述全域对象特征进行增强，得到增强后的对象特征，包括：

利用所述注意力机制网络对每个局域对象特征分配权重，得到与所述每个局域对象特征关联的权重标记；

根据与所述每个局域对象特征关联的权重标记，确定所述局域对象特征之间的特征属性关系；

根据与所述每个局域对象特征关联的权重标记和所述局域对象特征之间的特征属性关系，生成局域对象注意力特征集；以及

将所述局域对象注意力特征集和所述全域对象特征，作为所述增强后的对象特征。