图像识别模型的训练方法及装置.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CN113743527A(43)申请公布日2021.12.03(21)申请号202111078784.6(22)申请日2021.09.15(71)申请人京东科技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6层601(72)发明人邱钊凡姚霆梅涛(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.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书15页附图6页(54)发明名称图像识别模型的训练方法及装置(57)摘要本申请公开了一种图像识别模型的训练方法及装置。方法的一具体实施方式包括：获取用于指示初始图像识别模型在训练过程中改变训练状态的训练状态转移图，训练状态转移图中自初始状态节点至最终状态节点之间包括多个状态转移路径，不同的状态节点对应的超参数的数值不同；按照训练状态转移图的指示，自初始状态节点开始，训练采用所选取的状态节点对应的超参数的初始图像识别模型，以根据初始图像识别模型的识别准确度从多个状态转移路径中确定出目标状态转移路径；将根据目标状态转移路径训练后的初始图像识别模型确定为图像识别模型。本申请提供了一种基于训练状态转移图确定最优状态转移路径的动态规划方法，提高了图像识别模型的识别准确度。CN113743527ACN113743527A权利要求书1/4页1.一种图像识别模型的训练方法，包括：获取用于指示初始图像识别模型在训练过程中改变训练状态的训练状态转移图，其中，所述训练状态转移图中自初始状态节点至最终状态节点之间包括多个状态转移路径，不同的状态节点对应的超参数的数值不同；按照所述训练状态转移图的指示，自所述初始状态节点开始，训练采用所选取的状态节点对应的超参数的初始图像识别模型，以根据初始图像识别模型的识别准确度从所述多个状态转移路径中确定出目标状态转移路径；将根据所述目标状态转移路径训练后的初始图像识别模型确定为所述图像识别模型。2.根据权利要求1所述的方法，其中，所述超参数包括学习率、输入初始图像识别模型的图像序列的长度和所述图像序列的采样策略；以及所述获取用于指示初始图像识别模型在训练过程中改变训练状态的训练状态转移图，包括：将预先确定的多种学习率和多种图像序列的长度两两组合，得到多个状态节点；根据学习率从大到小、图像序列的长度由短到长的原则，确定初始图像识别模型在所述多个状态节点所表征的训练状态之间的转移顺序，生成初始训练状态转移图；将所述初始训练状态转移图分别结合表征连续采样的采样策略和表征均匀采样的采样策略，得到所述训练状态转移图。3.根据权利要求2所述的方法，其中，对于所述训练状态转移图中的每个状态节点，所述训练状态转移图指示初始图像识别模型在该状态节点所表征的训练状态下，向学习率低于该状态节点，且学习率最接近该状态节点的状态节点所表征的训练状态转移，以及向图像序列的长度长于该状态节点，且图像序列长度最接近该状态节点的状态节点所表征的训练状态转移。4.根据权利要求1所述的方法，其中，所述按照所述训练状态转移图的指示，自所述初始状态节点开始，训练采用所选取的状态节点对应的超参数的初始图像识别模型，以根据初始图像识别模型的识别准确度从所述多个状态转移路径中确定出目标状态转移路径，包括：自所述初始状态节点开始，执行如下训练状态转移操作，直至确定所述目标状态转移路径：对于当前状态节点的每个后序状态节点，以最大化识别准确度为目标，迭代训练采用该后序状态节点对应的超参数的、对应于所述当前状态节点的初始图像识别模型，得到对应于该后序状态节点的初始图像识别模型；将与多个后续状态节点一一对应的多个初始图像识别模型中识别准确度最高的初始图像识别模型对应的状态节点，确定为执行下一次训练状态转移操作中的当前状态节点。5.根据权利要求4所述的方法，其中，所述对于当前状态节点的每个后序状态节点，以最大化识别准确度为目标，迭代训练采用该后序状态节点对应的超参数的、对应于所述当前状态节点的初始图像识别模型，得到对应于该后序状态节点的初始图像识别模型，包括：对于当前状态节点的每个后序状态节点，执行如下操作：迭代训练采用该后序状态节点对应的超参数的、对应于所述当前状态节点的初始图像识别模型，并在迭代训练过程中通过单峰连续函数拟合初始图像识别模型的识别准确度，2CN113743527A权利要求书2/4页得到拟合曲线；将经过所述拟合曲线中的拐点对应的迭代训练次数的训练后的初始图像识别模型，确定为对应于该后序状态节点的初始图像识别模型。6.根据权利要求5所述的方法，其中，所述将经过所述拟合曲线中的拐点对应的迭