目标识别模型训练方法和装置、目标识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962737A(43)申请公布日2022.01.21(21)申请号202111246559.9(22)申请日2021.10.26(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人窦方正郑啸曹鲁光刘苗苗(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06Q30/02(2012.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图4页(54)发明名称目标识别模型训练方法和装置、目标识别方法和装置(57)摘要本公开提供了一种目标识别模型训练方法和装置，涉及计算机视觉、深度学习等技术领域。该方法的一具体实施方式包括：基于获取的原始数据，得到无标注数据和标注数据；获取预先建立的目标识别网络；执行以下训练步骤：将选取的无标注数据和选取的标注数据输入目标识别网络，计算选取的无标注数据中第一数据和增强后的第一数据的一致性损失，得到无标注损失值；计算选取的标注数据的交叉熵损失、选取的标注数据中处理数据和增强后的处理数据的一致性损失，得到标注损失值；基于无标注损失值和标注损失值，计算目标识别网络的损失值；若目标识别网络满足训练完成条件，则将目标识别网络作为目标识别模型。该实施方式提高了目标识别模型的性能。CN113962737ACN113962737A权利要求书1/2页1.一种目标识别模型训练方法，所述方法包括：基于获取的原始数据，得到无标注数据和标注数据，所述无标注数据包括第一数据和增强后的第一数据，所述标注数据包括处理数据和增强后的处理数据；获取预先建立的目标识别网络；执行以下训练步骤：将选取的无标注数据和选取的标注数据输入所述目标识别网络，计算选取的无标注数据中第一数据和增强后的第一数据的一致性损失，得到无标注损失值；计算选取的标注数据的交叉熵损失、选取的标注数据中处理数据和增强后的处理数据的一致性损失，得到标注损失值；基于所述无标注损失值和所述标注损失值，计算所述目标识别网络的损失值；若所述目标识别网络满足训练完成条件，则将所述目标识别网络作为目标识别模型。2.根据权利要求1所述的方法，所述方法还包括：若所述目标识别网络不满足训练完成条件，则调整所述目标识别网络中的相关参数使得所述目标识别网络的损失值收敛，基于调整后的目标识别网络，继续执行上述训练步骤。3.根据权利要求1所述的方法，所述计算选取的标注数据的交叉熵损失、选取的标注数据中处理数据和增强后的处理数据的一致性损失，得到标注损失值，包括：采用交叉熵损失函数对选取的标注数据进行损失值计算，得到交叉熵损失值；采用一致性损失函数对选取的标注数据中处理数据和增强后的处理数据进行损失值计算，得到一致性损失值；基于所述交叉熵损失值和所述一致性损失值，得到标注损失值。4.根据权利要求1所述的方法，所述基于所述无标注损失值和所述标注损失值，计算所述目标识别网络的损失值，包括：确定所述无标注数据的第一权重值和所述标注数据的第二权重值；将所述第一权重值与所述无标注损失值的乘积值以及所述第二权重值与所述标注损失值的乘积值的和作为所述目标识别网络的损失值。5.根据权利要求1‑4之一所述的方法，所述基于获取的原始数据，得到无标注数据和标注数据，包括：将所述原始数据划分为第一数据和待标注的第二数据；对所述第一数据进行数据增强，并将所述第一数据和增强后的第一数据作为无标注数据；对所述第二数据进行标注得到处理数据；对所述处理数据进行数据增强，并将所述处理数据和增强后的处理数据作为标注数据。6.根据权利要求5所述的方法，所述基于获取的原始数据，得到无标注数据和标注数据，还包括：对所述原始数据进行数据清洗。7.一种目标识别方法，所述方法包括：获取待识别素材；将所述待识别素材输入采用如权利要求1‑6中任一项所述的目标识别模型训练方法生2CN113962737A权利要求书2/2页成的目标识别模型中，输出对所述待识别素材的识别结果。8.一种目标识别模型训练装置，所述装置包括：数据获取单元，被配置成基于获取的原始数据，得到无标注数据和标注数据，所述无标注数据包括第一数据和增强后的第一数据，所述标注数据包括处理数据和增强后的处理数据；网络获取单元，被配置成获取预先建立的目标识别网络；无标注损失单元，被配置成将选取的无标注数据和选取的标注数据输入所述目标识别网络，计算选取的无标注数据中第一数据和增强后的第一数据的一致性损失，得到无标注损失值；标注损失单元，被配置成计算选取的标注数据的交叉熵