图像特征提取模型训练方法、图像特征提取方法和装置.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CN114186622A(43)申请公布日2022.03.15(21)申请号202111472879.6(22)申请日2021.11.30(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人刘洪林(74)专利代理机构华进联合专利商标代理有限公司44224代理人周玲(51)Int.Cl.G06K9/62(2022.01)G06V10/74(2022.01)G06V10/774(2022.01)权利要求书3页说明书17页附图5页(54)发明名称图像特征提取模型训练方法、图像特征提取方法和装置(57)摘要本公开关于一种图像特征提取模型训练方法、图像特征提取方法和装置，包括：获取目标样本图像基于不同的数据增强方式得到的第一处理图像和第二处理图像；对第一处理图像、第二处理图像和其他样本图像分别进行特征提取处理，得到第一处理图像的第一图像特征、第二处理图像的第二图像特征和其他样本图像的图像特征；根据第一图像特征对第一处理图像进行重建处理，得到第一处理图像的重建图像与第一处理图像之间的重建损失；根据第一图像特征、第二图像特征和其他样本图像的图像特征，得到对比损失；基于对比损失和重建损失，对第一图像特征提取模型进行迭代训练，得到图像特征提取模型。该方法可提高训练得到的图像特征提取模型所提取的图像视觉特征的效果。CN114186622ACN114186622A权利要求书1/3页1.一种图像特征提取模型训练方法，其特征在于，包括：获取目标样本图像的第一处理图像和第二处理图像；所述目标样本图像为样本图像训练集中的任一张图像；所述第一处理图像和所述第二处理图像基于不同的数据增强方式得到；对所述第一处理图像、所述第二处理图像和其他样本图像分别进行特征提取处理，得到所述第一处理图像的第一图像特征、所述第二处理图像的第二图像特征和所述其他样本图像的图像特征；所述其他样本图像为所述样本图像训练集中除所述目标样本图像外的至少一张样本图像，所述第一图像特征通过第一图像特征提取模型提取得到；根据所述第一图像特征对所述第一处理图像进行重建处理，得到所述第一处理图像的重建图像与所述第一处理图像之间的重建损失；根据所述第一图像特征、所述第二图像特征和所述其他样本图像的图像特征，得到对比损失；所述对比损失表示所述第一图像特征和所述第二图像特征的特征距离，与所述第一图像特征和所述其他样本图像的图像特征的特征距离之间的差异度；基于所述对比损失和所述重建损失，对所述第一图像特征提取模型进行迭代训练，得到图像特征提取模型。2.根据权利要求1所述的方法，其特征在于，所述对所述第一处理图像和所述第二处理图像和所述样本图像训练集中除所述目标样本图像外的其他样本图像分别进行特征提取处理，得到所述第一处理图像的第一图像特征、所述第二处理图像的第二图像特征和所述其他样本图像的图像特征，包括：通过所述第一图像特征提取模型，对所述第一处理图像进行特征提取处理，得到所述第一处理图像的第一图像特征；通过第二图像特征提取模型，分别对所述第二处理图像和所述其他样本图像进行特征提取处理，得到所述第二处理图像的第二图像特征和所述其他样本图像的图像特征；所述第一图像特征提取模型和所述第二图像特征提取模型的模型结构相同，所包含的多层感知器的数量不同，且所述第二图像特征提取模型的模型参数为通过对所述第一图像特征提取模型的模型参数计算移动平均值得到。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像特征对所述第一处理图像进行重建处理，得到所述第一处理图像的重建图像与所述第一处理图像之间的重建损失，包括：通过解码模型对所述第一图像特征进行解码重建处理，得到所述第一处理图像对应的重建图像；所述解码模型为卷积结构的解码器；对所述重建图像和所述第一处理图像进行特征比对处理，得到所述重建图像和所述第一处理图像之间的特征差异度，作为所述重建图像与所述第一处理图像之间的重建损失。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像特征、所述第二图像特征和所述其他样本图像的图像特征，得到对比损失，包括：基于所述第一图像特征和所述第二图像特征，得到正样本对；基于所述第一图像特征和所述其他样本图像的图像特征，得到多个负样本对；每个所述负样本对包括所述第一图像特征和所述其他样本图像中任一张图像的图像特征；获取所述正样本对的特征距离与所有正负样本对的特征距离的和之间的差异度，作为2CN114186622A权利要求书2/3页所述对比损失。5.一种图像特征提取方法，其特征在于，所述方法包括：获取待处理图像；将所述待处理图像输入图像特征提取模型，得到所述待处理图像的初始图像特征；所述图