CN111639710B - 图像识别模型训练方法、装置、设备以及存储介质 - Google Patents
图像识别模型训练方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111639710B CN111639710B CN202010478410.2A CN202010478410A CN111639710B CN 111639710 B CN111639710 B CN 111639710B CN 202010478410 A CN202010478410 A CN 202010478410A CN 111639710 B CN111639710 B CN 111639710B
- Authority
- CN
- China
- Prior art keywords
- sample image
- image
- model
- sample
- probability distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了图像识别模型训练方法、装置、设备以及存储介质,涉及人工智能、深度学习、图像处理技术领域。该方法的一具体实施方式包括:获取样本图像集;对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。该实施方式提供了一种新的知识蒸馏技术,通过引入教师模型预测的概率分布作为监督,以诱导学生模型的训练,使知识蒸馏技术在训练过程中不再依赖标注样本,能够充分利用无标注样本提升精度,有效地降低了图像识别中的样本标注成本。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及人工智能、深度学习、图像处理技术领域,特别涉及图像识别模型训练方法、装置、设备以及存储介质。
背景技术
图像识别技术是通过机器学习的手段提取图像的特征,以及通过提取的特征来区分不同图像的技术。图像识别技术可以广泛应用于各类视觉任务中,如植物分类、菜品识别、地标识别等。在图像识别领域中,如何提高模型的精度一直是最值得探索的点之一。而知识蒸馏技术的出现能够在一定程度上提升模型的精度。
传统的知识蒸馏(Knowledge Distillation)技术通过引入与教师模型(teachernetwork)相关的软目标作为全部损失的一部分,以诱导学生模型(student network)的训练,实现知识迁移。具体地,首先在标注样本集上训练一个教师模型,然后将教师模型学习到的特征迁移到学生模型上。在迁移的过程中,学生模型一方面学习教师模型的输出,一方面学习图像的真实标签。在蒸馏过程结束后,学生模型即为图像识别任务中的图像识别模型。
发明内容
本申请实施例提出了图像识别模型训练方法、装置、设备以及存储介质。
第一方面,本申请实施例提出了一种图像识别模型训练方法,包括:获取样本图像集,其中,样本图像集包括未标注目标的样本图像;对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。
第二方面,本申请实施例提出了一种图像识别模型训练装置,包括:获取模块,被配置成获取样本图像集,其中,样本图像集包括未标注目标的样本图像;输入模块,被配置成对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;训练模块,被配置成将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。
第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
本申请实施例提供的图像识别模型训练方法、装置、设备以及存储介质,首先获取样本图像集;然后对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;最后将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。本申请提供了一种新的知识蒸馏技术,通过引入教师模型预测的概率分布作为监督,以诱导学生模型的训练,使知识蒸馏技术在训练过程中不再依赖标注样本,能够充分利用无标注样本提升精度,有效地降低了图像识别中的样本标注成本。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请可以应用于其中的示例性系统架构;
图2是根据本申请的图像识别模型训练方法的一个实施例的流程图;
图3是根据本申请的图像识别模型训练方法的又一个实施例的流程图;
图4是可以实现本申请实施例的图像识别模型训练方法的场景图;
图5是根据本申请的图像识别模型训练装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的图像识别模型训练方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的图像识别模型训练方法或图像识别模型训练装置的实施例的示例性系统架构100。
如图1所示,系统架构100中可以包括存储设备101、网络102和服务器103。网络102用以在存储设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
存储设备101可以通过网络102与服务器103交互。存储设备101中可以提供视频,包括但不限于数据库、用户终端等等。
服务器103可以是具有模型计算能力的独立服务器,也可以是具有计算能力的处理模块。例如,服务器103可以是模型服务器。模型服务器可以对从存储设备101获取到的样本图像集等数据进行分析等处理,并生成处理结果(例如图像识别模型)。
需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的图像识别模型训练方法一般由服务器103执行,相应地,图像识别模型训练装置一般设置于服务器103中。
应该理解,图1中的存储设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的存储设备、网络和服务器。在服务器103中存储有样本图像集的情况下,系统架构100可以不设置存储设备101和网络102。
继续参考图2,其示出了根据本申请的图像识别模型训练方法的一个实施例的流程200。该图像识别模型训练方法包括以下步骤:
步骤201,获取样本图像集。
在本实施例中,图像识别模型训练方法的执行主体(例如图1所示的服务器103)可以获取样本图像集。
其中,样本图像集可以包括大量样本图像。样本图像可以是对各种类别的目标进行拍摄所得到的图像。通常情况下,样本图像可以是未标注目标的图像。
步骤202,对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布。
在本实施例中,对于样本图像集中的样本图像,上述执行主体可以将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布。
其中,教师模型可以是预先利用标注样本集对任何可用于分类的神经网络(例如ResNet50_vd模型)进行有监督训练所得到的模型。通常,教师模型是复杂,但精度高推理速度慢的模型,其能力通常大于学生模型。
通常,教师模型能够输出样本图像的特征。对样本图像的特征进一步处理,能够得到样本图像中的目标属于多种类别的概率分布。例如,将教师模型输出的样本图像的特征除以温度参数之后,再做softmax变换,得到软化的概率分布。其中,软化的概率分布又叫做软目标,数值介于0到1之间,取值分布较为缓和。在传统的知识蒸馏技术中,不同的模型对应的温度参数的值不同,为了达到更好的性能,往往需要耗费人力物力去调整。温度参数数值越大,分布越缓和;而温度参数数据减小,容易放大错误分类的概率,引入不必要的噪声。
步骤203,将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。
在本实施例中,上述执行主体可以将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。
其中,学生模型可以是任何可用于分类的神经网络(例如MobileNetV3模型),是否被预先训练均可。学生模型是精简,且低复杂度的模型,其能力通常小于教师模型。这里,利用概率分布作为对应样本图像的标签,无需关注样本图像的真实标签。对学生模型进行有监督训练,能够得到图像识别模型。此外,概率分布包含的信息量大,拥有不同类别之间关系的信息。因此,利用概率分布代替真实标签,能够提升训练出的图像识别模型的精度。通常,训练后的学生模型能够直接作为图像识别模型。在接收待识别目标图像时,直接利用训练后的学生模型对待识别目标图像进行图像识别,不再使用教师模型,从而提升图像识别速度。
本申请实施例提供的图像识别模型训练方法,首先获取样本图像集;然后对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;最后将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。本申请提供了一种新的知识蒸馏技术,通过引入教师模型预测的概率分布作为监督,以诱导学生模型的训练,使知识蒸馏技术在训练过程中不再依赖标注样本,能够充分利用无标注样本提升精度,有效地降低了图像识别中的样本标注成本。
进一步参考图3,其示出了根据本申请的图像识别模型训练方法的又一个实施例的流程300。该图像识别模型训练方法包括以下步骤:
步骤301,获取样本图像集。
在本实施例中,步骤301具体操作已在图2所示的实施例中步骤201进行了详细的介绍,在此不再赘述。
步骤302,对于样本图像集中的样本图像,对该样本图像进行图像预处理,以及将处理后的样本图像添加到样本图像集中。
在本实施例中,对于样本图像集中的样本图像,图像识别模型训练方法的执行主体(例如图1所示的服务器103)可以该样本图像进行图像预处理,以及将处理后的样本图像添加到样本图像集中。其中,图像预处理可以包括但不限于以下至少一项:随机剪裁、随机翻转等等。通过将处理后的样本图像添加到样本图像集中,能够扩充样本数据。
步骤303,对于样本图像集中的样本图像,利用教师模型提取该样本图像的特征。
在本实施例中,对于样本图像集中的样本图像,上述执行主体可以利用教师模型提取该样本图像的特征。通常,上述执行主体可以将样本图像输入至教师模型,输出样本图像的特征。
步骤304,将该样本图像的特征输入至激活函数,得到该样本图像对应的概率分布。
在本实施例中,上述执行主体可以将该样本图像的特征输入至激活函数,得到该样本图像对应的概率分布。
通常,教师模型可以连接激活函数(例如softmax激活函数),将教师模型输出的样本图像的特征输入至激活函数,能够得到一个多维向量。该多维向量可以描述样本图像中的目标属于多种类别的概率,即样本图像对应的概率分布。
步骤305,将该样本图像输入至学生模型,得到该样本图像中的目标的预测类别。
在本实施例中,上述执行主体可以将该样本图像输入至学生模型,得到该样本图像中的目标的预测类别。其中,学生模型可以输出样本图像中的目标的预测类别,也可以输出样本图像中的目标属于预测类别的概率。预测类别可以是一个,也可以是多个。
步骤306,基于该样本图像对应的预测类别和概率分布,计算损失函数。
在本实施例中,上述执行主体可以基于该样本图像对应的预测类别和概率分布,计算损失函数。其中,损失函数可以表征预测类别和概率分布之间的差异。
步骤307,基于梯度下降对损失函数进行反向传播,更新学生模型的参数,得到图像识别模型。
在本实施例中,上述执行主体可以基于梯度下降对损失函数进行反向传播,更新学生模型的参数,得到图像识别模型。
通常,对于每轮迭代训练,上述执行主体可以首先确定在该轮迭代训练中计算出的损失函数是否最小化。若损失函数最小化,说明学生模型收敛,此时的学生模型即可作为图像识别模型。若损失函数非最小化,说明学生模型尚未收敛,此时基于梯度下降对损失函数进行反向传播,更新学生模型的参数,以及继续进行下一轮迭代训练。其中,迭代训练的轮数越多,训练得到的图像识别模型的精度越高。
在一些实施例中,在训练学生模型时,采用的损失函数可以是交叉熵损失函数,采用的学习率可以是余弦下降策略,采用的优化器可以是动量梯度下降优化器。在训练学生模型时采用交叉熵损失函数,交叉熵损失函数不涉及其他超参数(例如温度参数),无需耗费人力物力调参,使迭代更加快速、容易。
从图3中可以看出,与图2对应的实施例相比,本实施例中的图像识别模型训练方法的流程300增加了图像预处理步骤,同时还突出了概率分布获取步骤。由此,在本实施例描述的方案中,通过对样本图像进行预处理,能够扩充样本数据。同时,通过在教师模型后连接激活函数,来得到样本图像对应的概率分布,不涉及其他超参数(例如温度参数),无需耗费人力物力调参,使迭代更加快速、容易。
为了便于理解,下面提供可以实现本申请实施例的图像识别模型训练方法的场景。该场景针对ImageNet-1k数据集来训练图像识别模型,,具体参见图4所示:
首先,获取ImageNet-1k数据集。
其中,ImageNet-1k数据集包括训练集和验证集。训练集共有1281167张训练图像,验证集共有5000张验证图像。
之后,获取通过知识蒸馏得到的ResNet50_vd模型作为教师模型,以及MobileNetV3模型作为学生模型。
其中,教师模型在ImageNet-1k的验证集上的精度为82.3%,学生模型在ImageNet-1k的验证集上的精度为75.3%。
而后,通过图像预处理方式,在ImageNet-1k的数据集中混入400万ImageNet-22k的无标签数据。
然后,将训练集分别输入至教师模型和学生模型,得到教师模型输出的软目标和学生模型输出的预测类别。
最后,基于软目标和预测类别计算损失函数,以及基于梯度下降对损失函数进行反向传播,更新学生模型的参数,得到图像识别模型。
其中,最终蒸馏得到的图像识别模型在ImageNet-1k的验证集上精度为78.5%,其中原本分错的类别,在蒸馏后也会得到正确的预测。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种图像识别模型训练装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的图像识别模型训练装置500可以包括:获取模块501、输入模块502和训练模块503。其中,获取模块501,被配置成获取样本图像集,其中,样本图像集包括未标注目标的样本图像;输入模块502,被配置成对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;训练模块503,被配置成将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。
在本实施例中,图像识别模型训练装置500中:获取模块501、输入模块502和训练模块503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,输入模块502进一步被配置成:利用教师模型提取该样本图像的特征;将该样本图像的特征输入至激活函数,得到该样本图像对应的概率分布。
在本实施例的一些可选的实现方式中,训练模块503进一步被配置成:将该样本图像输入至学生模型,得到该样本图像中的目标的预测类别;基于该样本图像对应的预测类别和概率分布,计算损失函数;基于梯度下降对损失函数进行反向传播,更新学生模型的参数。
在本实施例的一些可选的实现方式中,在训练学生模型时,采用的损失函数是交叉熵损失函数,采用的学习率是余弦下降策略,采用的优化器是动量梯度下降优化器。
在本实施例的一些可选的实现方式中,图像识别模型训练装置500还包括:预处理模块(图中未示出),被配置成对于样本图像集中的样本图像,对该样本图像进行图像预处理,以及将处理后的样本图像添加到样本图像集中,其中,图像预处理包括以下至少一项:随机剪裁、随机翻转。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例图像识别模型训练方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的图像识别模型训练方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的图像识别模型训练方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像识别模型训练方法对应的程序指令/模块(例如,附图5所示的获取模块501、输入模块502和训练模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像识别模型训练方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据图像识别模型训练方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至图像识别模型训练方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像识别模型训练方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与图像识别模型训练方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请的技术方案,首先获取样本图像集;然后对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布;最后将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型。本申请提供了一种新的知识蒸馏技术,通过引入教师模型预测的概率分布作为监督,以诱导学生模型的训练,使知识蒸馏技术在训练过程中不再依赖标注样本,能够充分利用无标注样本提升精度,有效地降低了图像识别中的样本标注成本。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (11)
1.一种图像识别模型训练方法,包括:
获取样本图像集,其中,所述样本图像集包括未标注目标的样本图像;
对于所述样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布,其中,所述教师模型输出该样本图像的特征,将该样本图像的特征除以温度参数之后,再做softmax变换,得到软化的概率分布;
将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型;
其中,所述将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,包括:
将该样本图像输入至所述学生模型,得到该样本图像中的目标的预测类别;
基于该样本图像对应的预测类别和概率分布,计算损失函数;
基于梯度下降对所述损失函数进行反向传播,更新所述学生模型的参数。
2.根据权利要求1所述的方法,其中,所述将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布,包括:
利用所述教师模型提取该样本图像的特征;
将该样本图像的特征输入至激活函数,得到该样本图像对应的概率分布。
3.根据权利要求1所述的方法,其中,在训练所述学生模型时,采用的损失函数是交叉熵损失函数,采用的学习率是余弦下降策略,采用的优化器是动量梯度下降优化器。
4.根据权利要求1-3之一所述的方法,其中,所述方法还包括:
对于所述样本图像集中的样本图像,对该样本图像进行图像预处理,以及将处理后的样本图像添加到所述样本图像集中,其中,所述图像预处理包括以下至少一项:随机剪裁、随机翻转。
5.一种图像识别模型训练装置,包括:
获取模块,被配置成获取样本图像集,其中,所述样本图像集包括未标注目标的样本图像;
输入模块,被配置成对于样本图像集中的样本图像,将该样本图像输入至预先训练的教师模型,得到该样本图像中的目标属于多种类别的概率分布,其中,所述教师模型输出该样本图像的特征,将该样本图像的特征除以温度参数之后,再做softmax变换,得到软化的概率分布;
训练模块,被配置成将该样本图像作为输入,将该样本图像对应的概率分布作为输出,对学生模型进行训练,得到图像识别模型;
其中,所述训练模块进一步被配置成:
将该样本图像输入至所述学生模型,得到该样本图像中的目标的预测类别;
基于该样本图像对应的预测类别和概率分布,计算损失函数;
基于梯度下降对所述损失函数进行反向传播,更新所述学生模型的参数。
6.根据权利要求5所述的装置,其中,所述输入模块进一步被配置成:
利用所述教师模型提取该样本图像的特征;
将该样本图像的特征输入至激活函数,得到该样本图像对应的概率分布。
7.根据权利要求5所述的装置,其中,在训练所述学生模型时,采用的损失函数是交叉熵损失函数,采用的学习率是余弦下降策略,采用的优化器是动量梯度下降优化器。
8.根据权利要求5-7之一所述的装置,其中,所述装置还包括:
预处理模块,被配置成对于所述样本图像集中的样本图像,对该样本图像进行图像预处理,以及将处理后的样本图像添加到所述样本图像集中,其中,所述图像预处理包括以下至少一项:随机剪裁、随机翻转。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478410.2A CN111639710B (zh) | 2020-05-29 | 2020-05-29 | 图像识别模型训练方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478410.2A CN111639710B (zh) | 2020-05-29 | 2020-05-29 | 图像识别模型训练方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111639710A CN111639710A (zh) | 2020-09-08 |
CN111639710B true CN111639710B (zh) | 2023-08-08 |
Family
ID=72332396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010478410.2A Active CN111639710B (zh) | 2020-05-29 | 2020-05-29 | 图像识别模型训练方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639710B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523597B (zh) * | 2020-04-23 | 2023-08-25 | 北京百度网讯科技有限公司 | 目标识别模型训练方法、装置、设备以及存储介质 |
CN112149741B (zh) * | 2020-09-25 | 2024-04-16 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、电子设备及存储介质 |
CN112184508B (zh) * | 2020-10-13 | 2021-04-27 | 上海依图网络科技有限公司 | 一种用于图像处理的学生模型的训练方法及装置 |
CN113392864A (zh) * | 2020-10-13 | 2021-09-14 | 腾讯科技(深圳)有限公司 | 模型生成方法及视频筛选方法、相关装置、存储介质 |
CN112149634B (zh) * | 2020-10-23 | 2024-05-24 | 北京神州数码云科信息技术有限公司 | 图像生成器的训练方法、装置、设备以及存储介质 |
CN112488183B (zh) * | 2020-11-27 | 2024-05-10 | 平安科技(深圳)有限公司 | 一种模型优化方法、装置、计算机设备及存储介质 |
CN112528109B (zh) * | 2020-12-01 | 2023-10-27 | 科大讯飞(北京)有限公司 | 一种数据分类方法、装置、设备及存储介质 |
CN112418405B (zh) * | 2020-12-03 | 2022-08-19 | 厦门市美亚柏科信息股份有限公司 | 模型压缩方法和装置 |
CN112257815A (zh) * | 2020-12-03 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 模型生成方法、目标检测方法、装置、电子设备及介质 |
CN112529180B (zh) * | 2020-12-15 | 2024-05-24 | 北京百度网讯科技有限公司 | 模型蒸馏的方法和装置 |
CN112529181B (zh) * | 2020-12-15 | 2024-04-23 | 北京百度网讯科技有限公司 | 用于模型蒸馏的方法和装置 |
CN112561059B (zh) * | 2020-12-15 | 2023-08-01 | 北京百度网讯科技有限公司 | 用于模型蒸馏的方法和装置 |
CN112560987A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 图像样本处理方法、装置、设备、存储介质和程序产品 |
CN112712121B (zh) * | 2020-12-30 | 2023-12-05 | 浙江智慧视频安防创新中心有限公司 | 一种图像识别模型训练方法、装置及存储介质 |
CN112686159A (zh) * | 2020-12-30 | 2021-04-20 | 北京墨迹风云科技股份有限公司 | 过敏植物分布统计方法以及装置 |
CN112949433B (zh) * | 2021-02-18 | 2022-07-22 | 北京百度网讯科技有限公司 | 视频分类模型的生成方法、装置、设备和存储介质 |
CN112966744A (zh) * | 2021-03-08 | 2021-06-15 | 北京百度网讯科技有限公司 | 模型训练方法、图像处理方法、装置和电子设备 |
CN112990044A (zh) * | 2021-03-25 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于生成图像识别模型及图像识别的方法和装置 |
CN112990045A (zh) * | 2021-03-25 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于生成图像变化检测模型和图像变化检测的方法和装置 |
CN113705317B (zh) * | 2021-04-14 | 2024-04-26 | 腾讯科技(深圳)有限公司 | 图像处理模型训练方法、图像处理方法及相关设备 |
CN113128115A (zh) * | 2021-04-16 | 2021-07-16 | Oppo广东移动通信有限公司 | 地铁运行状态的预测及模型的训练方法、装置及存储介质 |
CN113052144B (zh) * | 2021-04-30 | 2023-02-28 | 平安科技(深圳)有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
CN113111968B (zh) * | 2021-04-30 | 2024-03-22 | 北京大米科技有限公司 | 图像识别模型训练方法、装置、电子设备和可读存储介质 |
CN113392886A (zh) * | 2021-05-31 | 2021-09-14 | 北京达佳互联信息技术有限公司 | 图片识别模型的获取方法、装置、电子设备及存储介质 |
CN113240565B (zh) * | 2021-06-01 | 2024-05-07 | 平安科技(深圳)有限公司 | 基于量化模型的目标识别方法、装置、设备及存储介质 |
CN113449776B (zh) * | 2021-06-04 | 2023-07-25 | 中南民族大学 | 基于深度学习的中草药识别方法、装置及存储介质 |
CN113313314B (zh) * | 2021-06-11 | 2024-05-24 | 北京沃东天骏信息技术有限公司 | 模型训练方法、装置、设备及存储介质 |
CN113326852A (zh) * | 2021-06-11 | 2021-08-31 | 北京百度网讯科技有限公司 | 模型训练方法、装置、设备、存储介质及程序产品 |
CN113554059A (zh) * | 2021-06-23 | 2021-10-26 | 北京达佳互联信息技术有限公司 | 图片处理方法、装置、电子设备及存储介质 |
CN113554062B (zh) * | 2021-06-25 | 2023-08-01 | 北京百度网讯科技有限公司 | 多分类模型的训练方法、设备和存储介质 |
CN113435522A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技(深圳)有限公司 | 图像分类方法、装置、设备及存储介质 |
CN113705362B (zh) * | 2021-08-03 | 2023-10-20 | 北京百度网讯科技有限公司 | 图像检测模型的训练方法、装置、电子设备及存储介质 |
CN113657483A (zh) * | 2021-08-14 | 2021-11-16 | 北京百度网讯科技有限公司 | 模型训练方法、目标检测方法、装置、设备以及存储介质 |
CN114169440A (zh) * | 2021-12-08 | 2022-03-11 | 北京百度网讯科技有限公司 | 模型训练方法、数据处理方法、装置、电子设备及介质 |
CN114724001A (zh) * | 2022-06-10 | 2022-07-08 | 科大讯飞股份有限公司 | 一种图像多属性识别方法、装置、设备及存储介质 |
CN115170919B (zh) * | 2022-06-29 | 2023-09-12 | 北京百度网讯科技有限公司 | 图像处理模型训练及图像处理方法、装置、设备和存储介质 |
CN116030323B (zh) * | 2023-03-27 | 2023-08-29 | 阿里巴巴(中国)有限公司 | 图像处理方法以及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766463A (zh) * | 2019-01-10 | 2019-05-17 | 清华大学 | 半监督哈希学习方法及装置 |
CN110674880A (zh) * | 2019-09-27 | 2020-01-10 | 北京迈格威科技有限公司 | 用于知识蒸馏的网络训练方法、装置、介质与电子设备 |
CN110837846A (zh) * | 2019-10-12 | 2020-02-25 | 深圳力维智联技术有限公司 | 一种图像识别模型的构建方法、图像识别方法及装置 |
CN111105008A (zh) * | 2018-10-29 | 2020-05-05 | 富士通株式会社 | 模型训练方法、数据识别方法和数据识别装置 |
CN111160474A (zh) * | 2019-12-30 | 2020-05-15 | 合肥工业大学 | 一种基于深度课程学习的图像识别方法 |
-
2020
- 2020-05-29 CN CN202010478410.2A patent/CN111639710B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105008A (zh) * | 2018-10-29 | 2020-05-05 | 富士通株式会社 | 模型训练方法、数据识别方法和数据识别装置 |
CN109766463A (zh) * | 2019-01-10 | 2019-05-17 | 清华大学 | 半监督哈希学习方法及装置 |
CN110674880A (zh) * | 2019-09-27 | 2020-01-10 | 北京迈格威科技有限公司 | 用于知识蒸馏的网络训练方法、装置、介质与电子设备 |
CN110837846A (zh) * | 2019-10-12 | 2020-02-25 | 深圳力维智联技术有限公司 | 一种图像识别模型的构建方法、图像识别方法及装置 |
CN111160474A (zh) * | 2019-12-30 | 2020-05-15 | 合肥工业大学 | 一种基于深度课程学习的图像识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111639710A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639710B (zh) | 图像识别模型训练方法、装置、设备以及存储介质 | |
CN111539223B (zh) | 语言模型的训练方法、装置、电子设备及可读存储介质 | |
CN111523596B (zh) | 目标识别模型训练方法、装置、设备以及存储介质 | |
CN111582453B (zh) | 生成神经网络模型的方法和装置 | |
CN111783870B (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
CN111626119B (zh) | 目标识别模型训练方法、装置、设备以及存储介质 | |
CN111523597B (zh) | 目标识别模型训练方法、装置、设备以及存储介质 | |
CN111931591B (zh) | 用于构建关键点学习模型的方法、装置、电子设备及可读存储介质 | |
CN111737996B (zh) | 基于语言模型获取词向量的方法、装置、设备及存储介质 | |
CN111950254B (zh) | 搜索样本的词特征提取方法、装置、设备以及存储介质 | |
CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN111667056B (zh) | 用于搜索模型结构的方法和装置 | |
CN111582454B (zh) | 生成神经网络模型的方法和装置 | |
CN112149741B (zh) | 图像识别模型的训练方法、装置、电子设备及存储介质 | |
CN111582479B (zh) | 神经网络模型的蒸馏方法和装置 | |
CN111737995A (zh) | 基于多种词向量训练语言模型的方法、装置、设备及介质 | |
US11928563B2 (en) | Model training, image processing method, device, storage medium, and program product | |
US11915484B2 (en) | Method and apparatus for generating target re-recognition model and re-recognizing target | |
CN111326251B (zh) | 一种问诊问题输出方法、装置以及电子设备 | |
CN111582477B (zh) | 神经网络模型的训练方法和装置 | |
CN111666751B (zh) | 训练文本扩充方法、装置、设备以及存储介质 | |
CN111753761B (zh) | 模型生成方法、装置、电子设备及存储介质 | |
CN111695519B (zh) | 关键点定位方法、装置、设备以及存储介质 | |
CN111767833A (zh) | 模型生成方法、装置、电子设备及存储介质 | |
CN111241838B (zh) | 文本实体的语义关系处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |