[发明专利]图像处理模型训练方法、系统、计算机设备及存储介质

权利要求书

1.一种图像处理模型训练方法，其特征在于，应用于图像处理模型训练系统的系统客户端中，所述图像处理模型训练系统还包括服务器；所述图像处理模型训练方法，包括：

在接收到所述服务器发送的包含服务模型参数的联邦学习指令时，基于所述服务模型参数构建初始本地模型；

采用孪生网络模型对样本图像进行特征提取，得到与所述初始本地模型对应的第一损失值；所述孪生网络模型基于所述初始本地模型构建；

获取全局图像特征，并通过所述初始本地模型对所述样本图像进行特征提取得到本地图像特征；所述全局图像特征是所述服务器通过服务全局模型对所述样本图像进行特征提取得到；

根据所述全局图像特征以及所述本地图像特征，确定与所述初始本地模型对应的第二损失值；

根据所述第一损失值以及所述第二损失值对所述初始本地模型进行更新，得到更新本地模型；所述更新本地模型关联更新模型参数；

将所述更新模型参数发送至所述服务器中，以令所述服务器根据所述更新模型参数对所述服务全局模型进行更新，得到图像处理模型。

2.如权利要求1所述的图像处理模型训练方法，其特征在于，所述初始本地模型对应本地模型参数；所述采用孪生网络模型对样本图像进行特征提取，得到与所述初始本地模型对应的第一损失值，包括：

对所述样本图像进行图像增强，得到与所述样本图像对应的第一增强图像以及第二增强图像；

通过所述孪生网络模型对所述第一增强图像以及所述第二增强图像进行特征提取，得到所述第一损失值；所述孪生网络模型中包括所述初始本地模型以及具有本地模型参数的孪生本地模型。

3.如权利要求2所述的图像处理模型训练方法，其特征在于，所述初始本地模型中包括第一主干网络以及第一预测网络；所述孪生本地模型中包括第二主干网络以及第二预测网络；

所述通过所述孪生网络模型对所述第一增强图像以及所述第二增强图像进行特征提取，得到所述第一损失值，包括：

将所述第一增强图像输入至所述孪生网络模型的初始本地模型中，以通过所述第一主干网络对所述第一增强图像进行特征提取，得到第一图像特征，并通过第一预测网络对所述第一图像特征进行特征转换，得到第一转换特征；

将所述第二增强图像输入至所述孪生网络模型的孪生本地模型中，以通过所述第二主干网络对所述第二增强图像进行特征提取，得到第二图像特征，并通过第二预测网络对所述第二图像特征进行特征转换，得到第二转换特征；

根据第一图像特征、第一转换特征、第二图像特征以及第二转换特征，确定所述第一损失值。

4.如权利要求3所述的图像处理模型训练方法，其特征在于，所述根据第一图像特征、第一转换特征、第二图像特征以及第二转换特征，确定所述第一损失值，包括：

对所述第一转换特征以及所述第二图像特征进行负余弦相似度计算，得到第一负余弦相似度；

对所述第二转换特征以及所述第一图像特征进行负余弦相似度计算，得到第二负余弦相似度；

根据所述第一负余弦相似度以及所述第二负余弦相似度，确定所述第一损失值。

5.如权利要求1所述的图像处理模型训练方法，其特征在于，所述根据所述全局图像特征以及所述本地图像特征，确定与所述初始本地模型对应的第二损失值，包括：

确定所述全局图像特征以及所述本地图像特征之间的第一特征距离；

获取历史本地特征集；所述历史本地特征集中包括至少一个历史图像特征；

获取预设偏移数值，自所述历史本地特征集中选取与所述预设偏移数值相同数量的历史图像特征，并将被选取的历史图像特征记录为选取图像特征；

确定所述本地图像特征与各所述选取图像特征之间的第二特征距离；一个所述选取图像特征对应一个所述第二特征距离；

根据所述第一特征距离以及所有所述第二特征距离，确定所述第二损失值。

6.如权利要求5所述的图像处理模型训练方法，其特征在于，所述根据所述第一特征距离以及所有所述第二特征距离，确定所述第二损失值，包括：

将所有所述第二特征距离以及所述第一特征距离之和记录为特征距离总值；

根据所述第一特征距离以及所述特征距离总值，确定所述第二损失值。