图像特征提取模型确定方法及装置、图像识别方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115019057A(43)申请公布日2022.09.06(21)申请号202210542518.2(22)申请日2022.05.18(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人杨馥魁(74)专利代理机构北京猷德知识产权代理有限公司16084专利代理师范继晨(51)Int.Cl.G06V10/44(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图5页(54)发明名称图像特征提取模型确定方法及装置、图像识别方法及装置(57)摘要本公开提供了一种图像特征提取模型确定方法及装置、图像识别方法及装置，涉及人工智能技术领域，尤其涉及计算机视觉技术领域。图像特征提取模型确定的具体实现方案为：获取训练样本集，其中，训练样本集中包括多个训练样本对，每个训练样本对中包括：完整图像和与完整图像对应的遮挡图像；对于每个训练样本对，利用教师模型提取训练样本对中的第一图像特征，并利用学生模型提取训练样本对中的第二图像特征；基于第一图像特征和第二图像特征构建目标损失函数；基于目标损失函数迭代训练学生模型，得到图像特征提取模型，图像特征提取模型用于在图像识别时提取待识别图像的图像特征。CN115019057ACN115019057A权利要求书1/2页1.一种图像特征提取模型确定方法，包括：获取训练样本集，其中，所述训练样本集中包括多个训练样本对，每个所述训练样本对中包括：完整图像和与所述完整图像对应的遮挡图像；对于每个所述训练样本对，利用教师模型提取所述训练样本对中的第一图像特征，并利用学生模型提取所述训练样本对中的第二图像特征；基于所述第一图像特征和所述第二图像特征构建目标损失函数；基于所述目标损失函数迭代训练所述学生模型，得到图像特征提取模型，所述图像特征提取模型用于在图像识别时提取待识别图像的图像特征。2.根据权利要求1所述的方法，其中，所述获取训练样本集包括：获取多张所述完整图像；对于每张所述完整图像，将所述完整图像进行栅格化处理，并以预设方式遮挡所述完整图像中的部分栅格化区域，得到与所述完整图像对应的所述遮挡图像，将所述遮挡图像和所述完整图像组成一个所述训练样本对；将多张所述完整图像对应的多个所述训练样本对构成所述训练样本集。3.根据权利要求2所述的方法，其中，所述将所述完整图像进行栅格化处理，并以预设方式遮挡所述完整图像中的部分栅格化区域包括：将所述完整图像均匀划分为第一数量的栅格化区域；基于预设比例，从所述第一数量的栅格化区域中随机确定第二数量的目标栅格化区域，利用目标颜色覆盖所述目标栅格化区域。4.根据权利要求1所述的方法，其中，所述第一图像特征包括：由所述教师模型提取的所述完整图像的第一完整图像特征和所述遮挡图像的第一遮挡图像特征；所述第二图像特征包括：由所述学生模型提取的所述完整图像的第二完整图像特征和所述遮挡图像的第二遮挡图像特征。5.根据权利要求4所述的方法，其中，所述目标损失函数用于表示以下信息至少之一：所述第一完整图像特征和所述第二完整图像特征之间的差异，所述第一完整图像特征和所述第二遮挡图像特征之间的差异，所述第一遮挡图像特征和所述第二完整图像特征之间的差异，所述第一遮挡图像特征和所述第二遮挡图像特征之间的差异。6.根据权利要求1所述的方法，其中，所述基于所述目标损失函数迭代训练所述学生模型，得到图像特征提取模型包括：依次将所述多个训练样本对分别输入所述教师模型和所述学生模型进行特征提取，并基于所述目标损失函数迭代调整所述学生模型的模型参数，得到所述图像特征提取模型。7.根据权利要求1所述的方法，其中，所述学生模型中包括用于提取所述完整图像的特征的第一特征提取子模型和用于提取所述遮挡图像的特征的第二特征提取子模型，在得到所述图像特征提取模型后，所述方法还包括：获取测试样本图像；将所述测试样本图像输入所述图像特征提取模型，得到特征提取结果，其中，所述图像特征提取模型中仅保留所述第一特征提取子模型或所述第二特征提取子模型；基于所述特征提取结果验证所述图像特征提取模型具有特征遮挡不变性。2CN115019057A权利要求书2/2页8.一种图像识别方法，包括：获取待识别图像；利用图像特征提取模型提取所述待识别图像的目标图像特征，其中，所述图像特征提取模型是通过权利要求1至7中任意一项所述的图像特征提取模型确定方法对学生模型进行训练得到；基于所述目标图像特征确定图像识别结果，并输出所述图像识别结果。9.根据权利要求8所述的方法，其中，所述基于所述目标图像特征确定图像识别结果包括