模型训练方法、信息生成方法、装置、设备和介质.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CN113297974A(43)申请公布日2021.08.24(21)申请号202110572088.4(22)申请日2021.05.25(71)申请人北京沃东天骏信息技术有限公司地址101116北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室(72)发明人陶大程王文(74)专利代理机构北京唯智勤实知识产权代理事务所(普通合伙)11557代理人陈佳(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书16页附图5页(54)发明名称模型训练方法、信息生成方法、装置、设备和介质(57)摘要本公开的实施例公开了模型训练方法、信息生成方法、装置、电子设备和介质。该方法的一具体实施方式包括：提取预先获取的训练图像样本集中每个训练图像样本的特征以生成第一特征向量，得到第一特征向量集；生成编码与解码模型中解码模型对应的至少两层解码层的输出结果；确定至少两层解码层中第一目标解码层与第二目标解码层之间输出结果的差异信息，得到至少一个差异信息；根据至少一个差异信息，生成第一损失值集；响应于确定编码与解码模型训练未完成，根据第一损失值集，调整编码与解码模型的参数。该实施方式可以在未标注训练图像样本标签的情况下，快捷、高效的对编码与解码模型进行训练，提高了训练后编码与解码模型的鲁棒性。CN113297974ACN113297974A权利要求书1/3页1.一种模型训练方法，包括：提取预先获取的训练图像样本集中每个训练图像样本的特征以生成第一特征向量，得到第一特征向量集；根据编码与解码模型和所述第一特征向量集，生成所述编码与解码模型中解码模型对应的至少两层解码层的输出结果；确定所述至少两层解码层中第一目标解码层与第二目标解码层之间输出结果的差异信息，得到至少一个差异信息，其中，所述第二目标解码层为所述至少两层解码层中去除所述第一目标解码层的解码层；根据所述至少一个差异信息，生成第一损失值集；响应于确定所述编码与解码模型训练未完成，根据所述第一损失值集，调整所述编码与解码模型的参数。2.根据权利要求1所述的方法，其中，所述根据编码与解码模型和所述第一特征向量集，生成所述编码与解码模型中解码模型对应的至少两层解码层的输出结果，包括：基于所述第一特征向量集，生成所述编码与解码模型中编码模型的输入向量；将所述输入向量输入至所述编码模型，得到各层编码层的输出结果；基于所述各层编码层的输出结果和所述至少两层解码层，生成所述至少两层解码层的输出结果。3.根据权利要求2所述的方法，其中，所述训练样本集包括：源域图像样本集和目标域图像样本集；以及所述基于所述第一特征向量集，生成所述编码与解码模型中编码模型的输入向量，包括：对所述第一特征向量集中的每个第一特征向量进行向量维度变换以生成第二特征向量，得到第二特征向量集；基于所述第二特征向量集和第一初始向量，生成所述编码模型的输入向量，其中，所述第一初始向量随着所述编码与解码模型的训练不断变换，所述编码与解码模型训练结束后，变换后的第一初始向量表征所述源域图像样本集和所述目标域图像样本集中各个样本的全局特征。4.根据权利要求3所述的方法，其中，所述基于所述各层编码层的输出结果和所述至少两层解码层，生成所述至少两层解码层的输出结果，包括：将所述各层编码层中最后一层编码层的输出结果中的、与所述第二特征向量集相关的输出结果作为所述各个解码层的输入，以及将所述第一初始向量和至少一个第二初始向量作为所述解码模型的输入，生成所述至少两层解码层的输出结果。5.根据权利要求3所述的方法，其中，所述根据所述第一损失值集，调整所述编码与解码模型的参数，包括：将所述各层编码层的输出结果中的、与所述第一初始向量相关联的各个编码结果分别输入至第一域判别模型，得到各个第二损失值；基于所述各个第二损失值，调整所述编码与解码模型中所述编码模型的参数，以及基于所述第一损失值集，调整所述编码与解码模型的参数。6.根据权利要求3所述的方法，其中，所述根据所述第一损失值集，调整所述编码与解2CN113297974A权利要求书2/3页码模型的参数，包括：将所述各层编码层的输出结果中的、与所述第二特征向量集相关联的各个编码结果集分别输入至第二域判别模型，得到各个第三损失值集；基于所述各个第三损失值集，调整所述编码与解码模型中所述编码模型的参数，以及基于所述第一损失值集，调整所述编码与解码模型的参数。7.根据权利要求4所述的方法，其中，所述根据所述第一损失值集，调整所述编码与解码模型的参数，包括：将所述各层解码层的输出结果中的、与至少一个第二初始向量相关联的