图像检索模型的训练方法、装置、设备及存储介质.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CN110209867A(43)申请公布日2019.09.06(21)申请号201910487664.8(22)申请日2019.06.05(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人揭泽群(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人张所明(51)Int.Cl.G06F16/583(2019.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书15页附图8页(54)发明名称图像检索模型的训练方法、装置、设备及存储介质(57)摘要本申请公开了一种图像检索模型的训练方法、装置、设备及存储介质。所述方法包括：获取图像检索模型；获取训练样本，训练样本包括图像样本以及图像样本的标注信息；根据图像样本的标注信息，确定图像样本对应的哈希中心；通过图像样本的哈希码和图像样本对应的哈希中心，对图像检索模型进行训练，得到完成训练的图像检索模型。由于在每一轮训练过程中是将图像样本的哈希码与其所属类别的哈希中心靠近，该哈希中心反映的是图像所属类别的类别特征，因此在每一轮训练中可以同时获取到一个类别的相似度信息；相比于相关技术中，每一轮训练中只能得到两张图像或三张图像的相似度信息，训练效率更高。CN110209867ACN110209867A权利要求书1/3页1.一种图像检索模型的训练方法，其特征在于，所述方法包括：获取图像检索模型；获取训练样本，所述训练样本包括图像样本以及所述图像样本的标注信息，所述图像样本的标注信息用于指示所述图像样本所属类别；根据所述图像样本的标注信息，确定所述图像样本对应的哈希中心，所述哈希中心用于通过哈希码反映图像所属类别的类别特征；通过所述图像样本的哈希码和所述图像样本对应的哈希中心，对所述图像检索模型进行训练，得到完成训练的图像检索模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像样本的标注信息，确定所述图像样本对应的哈希中心，包括：根据所述图像样本的标注信息，从m个样本哈希中心中确定所述图像样本对应的哈希中心，每个所述样本哈希中心对应于各自的类别，所述m为大于等于1的整数。3.根据权利要求2所述的方法，其特征在于，所述根据所述图像样本的标注信息，从m个样本哈希中心中确定所述图像样本对应的哈希中心之前，还包括：选择m个满足目标条件的候选哈希中心，确定为m个所述样本哈希中心；其中，所述目标条件包括：每个所述候选哈希中心中各个维度的值为1或者0，和，m个所述候选哈希中心中任意两个所述候选哈希中心之间的平均距离小于或等于距离阈值。4.根据权利要求3所述的方法，其特征在于，所述选择m个满足目标条件的候选哈希中心，确定为m个所述样本哈希中心，包括：从哈达玛矩阵中选择任意m行作为m个所述候选哈希中心，确定为m个所述样本哈希中心，所述哈达玛矩阵符合所述目标条件。5.根据权利要求1所述的方法，其特征在于，所述通过所述图像样本的哈希码和所述图像样本对应的哈希中心，对所述图像检索模型进行训练，得到完成训练的图像检索模型，包括：通过所述图像样本的误差损失函数和量化损失函数，来调整所述图像检索模型的参数，得到所述完成训练的图像检索模型；其中，所述误差损失函数用于衡量所述图像样本的哈希码与所述图像样本对应的哈希中心之间的差异程度，所述量化损失函数用于衡量所述图像样本的哈希码中各个维度的值与二值之间的差异程度，所述二值包括1和0。6.根据权利要求5所述的方法，其特征在于，所述通过所述图像样本的误差损失函数和量化损失函数，来调整所述图像检索模型的参数，得到所述完成训练的图像检索模型之前，还包括：根据所述图像样本的哈希码与所述图像样本对应的哈希中心，计算所述误差损失函数的误差；根据所述图像样本的哈希码，计算所述量化损失函数的值。7.根据权利要求6所述的方法，其特征在于，所述通过所述图像样本的误差损失函数和量化损失函数，来调整所述图像检索模型的参数，得到所述完成训练的图像检索模型，包括：根据所述误差损失函数与所述量化损失函数，构建目标函数；2CN110209867A权利要求书2/3页通过最小化所述目标函数的值，来调整所述图像检索模型的参数，得到所述完成训练的图像检索模型。8.根据权利要求5至7任一项所述的方法，其特征在于，所述图像检索模型包括特征提取器和哈希码生成器；所述通过所述图像样本的误差损失函数和量化损失函数，来调整所述图像检索模型的参数，得到所述完成训练的图像检索模型之前，还包括：将所述图像样本输入所述特征提取器，得到所述图像样本的抽象特征；将所述图像样本的抽象特征输入所述哈希码生成器，得