用于训练图像识别模型的方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115497142A(43)申请公布日2022.12.20(21)申请号202211215646.2(22)申请日2022.09.30(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人王莹桂王力王磊(74)专利代理机构北京永新同创知识产权代理有限公司11376专利代理师林锦辉刘景峰(51)Int.Cl.G06V40/16(2022.01)G06V10/774(2022.01)G06V10/44(2022.01)G06F21/62(2013.01)权利要求书4页说明书20页附图15页(54)发明名称用于训练图像识别模型的方法及装置(57)摘要本说明书的实施例提供用于训练图像识别模型的方法及装置。在各个第一成员设备处，对训练样本图像数据进行基于频域变换的数据脱敏处理以得到第一脱敏图像数据；将第一脱敏图像数据提供给超参数选择模型来选择第一超参数；使用第一超参数对第一脱敏图像数据进行基于数据增强的图像混合处理，以得到第二脱敏图像数据以及经过标签混合处理的标记标签数据。然后，使用第二脱敏图像数据以及对应的经过标签混合处理后的标记标签数据训练图像识别模型。第二成员设备使用从各个第一成员设备接收的模型训练结果来更新图像识别模型。CN115497142ACN115497142A权利要求书1/4页1.一种用于训练图像识别模型的方法，所述方法由具有本地训练数据的第一成员设备执行，所述方法包括：循环执行下述模型训练过程，直到满足模型训练结束条件：获取当前训练样本图像数据及其标记标签数据；对所述当前训练样本图像数据进行基于频域变换的数据脱敏处理，以得到所述当前训练样本图像数据的第一脱敏图像数据；将所述第一脱敏图像数据提供给超参数选择模型来从候选超参数集中选择用于指示参与图像混合处理的图像个数的第一超参数；使用所述第一超参数对所述第一脱敏图像数据进行基于Mixup数据增强的图像混合处理，以得到第二脱敏图像数据以及对应的经过标签混合处理的标记标签数据；使用所述第二脱敏图像数据以及对应的经过标签混合处理的标记标签数据训练所述当前图像识别模型；以及将所述当前图像识别模型的模型训练结果提供给用于维护图像识别模型的第二成员设备，以供所述第二成员设备使用来自多个第一成员设备的模型训练结果来进行图像识别模型更新，并从所述第二成员设备接收所述更新后的图像识别模型以用于下轮图像识别模型训练。2.如权利要求1所述的方法，其中，在将所述第一脱敏图像数据提供给超参数选择模型来从候选超参数集中选择用于指示参与图像混合处理的图像个数的第一超参数之前，所述方法还包括：响应于满足第一预定条件，通过下述模型更新过程来更新所述超参数选择模型：将所述第一脱敏图像数据提供给超参数选择模型来从所述候选超参数集中选择用于指示参与图像混合处理的图像个数的第二超参数；使用所述第二超参数对所述第一脱敏图像数据进行基于数据增强的图像混合处理，以得到第三脱敏图像数据以及对应的经过标签混合处理的标记标签数据；将所述第三脱敏图像数据提供给所述当前图像识别模型，得到所述第三脱敏图像数据的第二预测标签数据，并根据所述第二预测标签数据以及对应的经过标签混合处理后的标记标签数据确定第一损失函数；根据所述第一损失函数更新所述当前图像识别模型；将所述第三脱敏图像数据提供给更新后的当前图像识别模型，得到所述第三脱敏图像数据的第三预测标签数据，并根据所述第三预测标签数据以及对应的经过标签混合处理后的标记标签数据确定第二损失函数；基于所述第一损失函数和所述第二损失函数，确定所述第三损失函数；以及基于所述第三损失函数更新所述超参数选择模型的模型参数。3.如权利要求2所述的方法，其中，所述第一预定条件包括：所述图像识别模型的当前训练轮数与所述超参数选择模型的上一更新处理时的训练轮数之间的轮数间隔达到第一指定轮数。4.如权利要求1所述的方法，其中，将所述当前图像识别模型的模型训练结果提供给所述第二成员设备包括：响应于满足第二预定条件，将所述当前图像识别模型的模型训练结果提供给所述第二2CN115497142A权利要求书2/4页成员设备。5.如权利要求4所述的方法，其中，所述第二预定条件包括：所述图像识别模型的当前训练轮数与上次发送所述模型训练结果时的训练轮数之间的轮数间隔达到第二指定轮数。6.如权利要求1所述的方法，其中，所述第一超参数为k，以及混合图像的最大权重系数为Wmax，使用所述第一超参数对所述第一脱敏图像数据进行基于数据增强的图像混合处理包括：对所述第一脱敏图像数据的图像数据集合进行k‑1次打乱处理，以得到k个图像数据集合；基于所述k个图像数据集合，构建大小为m*k的图像超矩阵，所述图