CN112560874A - 图像识别模型的训练方法、装置、设备和介质 - Google Patents

Abstract

本公开公开了一种图像识别模型的训练方法、装置、设备和介质，涉及图像处理技术领域，具体涉及深度学习、计算机视觉等人工智能技术领域。该图像识别模型包括第一骨干网络，该训练方法包括：采用所述第一骨干网络提取样本图像的第一图像特征；采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同；融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。本公开可以提高图像识别模型的识别准确度。

Description

图像识别模型的训练方法、装置、设备和介质

技术领域

本公开涉及图像处理技术领域，具体涉及深度学习、计算机视觉等人工智能技术领域，尤其涉及一种图像识别模型的训练方法、装置、设备和介质。

背景技术

人工智能(Artificial Intelligence，AI)是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

图像识别技术是通过机器学习的手段提取图像特征，通过提取的图像特征来区分不同图像的技术。在图像识别领域中，训练模型往往使用骨干网络(boneback)加载预训练模型，以获取更好的初始参数。

相关技术中，图像识别模型训练时，仅使用单一的骨干网络，通过该单一的骨干网络加载预训练模型后，执行训练过程，以得到图像识别模型。

发明内容

本公开提供了一种图像识别模型的训练方法、装置、设备和介质。

根据本公开的一方面，提供了一种图像识别模型的训练方法，所述图像识别模型包括第一骨干网络，所述方法包括：采用第一骨干网络提取样本图像的第一图像特征；采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同；融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

根据本公开的另一方面，提供了一种图像识别模型的训练装置，所述图像识别模型包括第一骨干网络，所述装置包括：第一提取单元，用于采用第一骨干网络提取样本图像的第一图像特征；第二提取单元，用于采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同；融合单元，用于融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；训练单元，用于基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。

根据本公开的另一方面，提供了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上述任一方面的任一项所述的方法。

根据本公开的技术方案，可以提高图像识别模型的识别准确度。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；

图3是根据本公开第三实施例的示意图；

图4是根据本公开第四实施例的示意图；

图5是根据本公开第五实施例的示意图；

图6是根据本公开第六实施例的示意图；

图7是用来实现本公开实施例的图像识别模型的训练方法中任一方法的电子设备的示意图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

图像识别模型训练时，可以基于骨干网络(backbone)进行训练。骨干网络通过加载预训练模型进行参数初始化，相对于随机初始化的参数，图像识别模型更容易收敛。预训练模型基于大数据集，比如ImageNet，训练后得到，因此，预训练模型的参数较优。但是，相关技术中，图像识别模型训练时，会更新该单一的骨干网络的参数，也就破坏了预训练模型本身具有的优良的参数，从而使得训练后得到的图像识别模型的识别精度不足。

为了解决相关技术中存在的图像识别模型的精度不足的问题，本公开提供如下一些实施例。

图1是根据本公开第一实施例的示意图。本实施例提供一种图像识别模型的训练方法，所述图像识别模型包括第一骨干网络，所述方法包括：

101、采用所述第一骨干网络提取样本图像的第一图像特征。

102、采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同。

103、融合所述第一图像特征和所述第二图像特征，以得到融合图像特征。

104、基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

与相关技术中训练阶段采用的骨干网络仅有一个不同，本实施例中，在训练阶段设置两个骨干网络，即，除了图像识别模型本身具有的一个骨干网络(称为第一骨干网络)之外，还设置另一个骨干网络(称为第二骨干网络)，两者结构相同。

初始时，第一骨干网络和第二骨干网络的初始参数相同，该初始参数比如是通过加载预训练模型进行初始化后得到的。图像识别模型训练时，通过第二骨干网络保持预训练模型的优良的参数，通过第一骨干网络在目标训练集上进行训练，以得到图像识别模型。

第一骨干网络进行训练时，可以采用反向传播(Back Propagation，BP)算法，更新第一骨干网络的参数。第二骨干网络不进行训练，不进行训练也可以称为保持参数不变，或者，停止梯度传播或者固定梯度。比如，参见图2，表示了训练过程中第一骨干网络和第二骨干网络的参数变化情况，针对样本图像，第一骨干网络采用了BP算法更新参数，图2中表示为采用梯度下降更新参数；第二骨干网络保持参数不变，图2中表示为采用固定梯度保持参数不变。

第一骨干网络和第二骨干网络可以采用各种已有的预训练模型对应的骨干网络，比如，vgg、resne(x)t、densenet、xception等。为了保证图像特征提取的一致性，第一骨干网络和第二骨干网络的结构相同，比如，第一骨干网络和第二骨干网络均为vgg结构。相应的，第一骨干网络初始参数和第二骨干网络的初始参数可以均为加载的预训练模型的参数，其中，第一骨干网络和第二骨干网络加载相同的预训练模型，从而具有相同的初始参数。

目标训练集是指图像识别模型待应用的视觉任务的训练集。比如，待应用的视觉任务是植物分类，则可以预先收集植物分类对应的训练数据作为目标训练集；又比如，待应用的视觉任务是菜品识别，则可以预先收集菜品识别对应的训练数据作为目标训练集；又比如，待应用的视觉任务是地标识别，则可以预先收集地标识别对应的训练数据作为目标训练集。

目标训练集可以分为样本图像以及标签数据，样本图像比如为植物图片，标签数据比如为该植物对应的类别，其中，标签数据可以采用人工标注或者其他方式获取。

获取到样本图像后，将该样本图像分别作为第一骨干网络的输入以及第二骨干网络的输入，第一骨干网络和第二骨干网络分别提取该样本图像的图像特征，为了区分，第一骨干网络提取的该样本图像的图像特征可以称为第一图像特征，第二骨干网络提取的该样本图像的图像特征可以称为第二图像特征。

在得到第一图像特征和第二图像特征后，可以对这两个图像特征进行融合，以得到融合图像特征。一些实施例中，融合可以具体是指相加，相加可以直接相加或者加权相加，以直接相加为例，可以是第一图像特征和第二图像特征的对应元素直接相加。比如，假设图像特征为特征图，特征图大小为m×n，第一图像特征表示为

第二图像特征表示为

则融合图像特征表示为

在得到融合图像特征后，可以基于该融合图像特征对第一骨干网络进行训练，并且，在训练第一骨干网络时，不训练第二骨干网络，以得到图像识别模型。比如，初始时，采用预训练模型(如vgg等)对第一骨干网络和第二骨干网络进行参数初始化，训练过程中，将融合图像特征作为第一骨干网络的输入特征，经过第一骨干网络连接的分类网络，输出预测值，再根据预测值与对应的标签数据计算损失函数，基于损失函数，通过BP算法，更新第一骨干网络的参数和分类网络的参数，直至损失函数收敛。而在第一骨干网络的训练过程中，保持第二骨干网络的参数不变，即保持第二骨干网络的参数一直为初始的预训练模型的参数不变。

本实施例中，通过训练时，在第一骨干网络之外增加第二骨干网络，分别采用两个骨干网络提取出两组图像特征，并对两组图像特征进行融合后得到融合图像特征，以及，基于融合图像特征对第一骨干网络进行训练，而不训练第二骨干网络，可以通过第二骨干网络保持预训练模型的优良参数，并基于该优良参数提供优良图像特征，通过第一骨干网络中融入该第二骨干网络提供的优良图像特征，提高图像识别模型的识别准确度。另外，由于第一骨干网络中融合了更多的特征，可以避免图像识别模型的过拟合。

一些实施例中，骨干网络可以分为多个网络段(stage)，对应各个网络段可以输出各个网络段对应的图像特征，在图像特征融合时，可以对应各个网络段进行图像特征的融合。

本实施例中，基于各个网络段进行图像特征融合，可以进一步提高图像识别模型的识别效果。

一些实施例中，融合可以包括：将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行相加，以将相加后的图像特征作为所述融合图像特征。

本实施例中，通过将第一图像特征和第二图像特征相加实现融合，可以简化操作，提高图像识别模型的训练效率。

图4为本公开第四实施例的示意图。结合图3所示的网络结构，本实施例提供一种图像识别模型的训练方法，该方法包括：

401、采用第一骨干网络和第二骨干网络分别加载预训练模型，并采用所述预训练模型初始化所述第一骨干网络的参数和所述第二骨干网络的参数。

402、从所述图像识别模型对应的目标训练集中，获取所述样本图像和所述样本图像对应的标签数据。

403、采用第一骨干网络提取样本图像的第一图像特征，所述第一骨干网络包括多个网络段。

404、采用第二骨干网络提取所述样本图像的第二图像特征，所述第一骨干网络和所述第二骨干网络的结构相同，所述第二骨干网络包括多个网络段。

405、将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行融合。本实施例中，以融合为相加处理为例。

406、对应所述各个网络段，将所述网络段对应的融合图像特征，作为所述第一骨干网络中所述网络段的下一个网络段的输入，直至通过输出层输出所述样本图像的预测值。

407、基于所述预测值和所述样本图像对应的标签数据，计算损失函数。

408、基于反向传播算法，更新所述第一骨干网络和所述输出层的参数，以及，保持第二骨干网络的参数不变，直至所述损失函数收敛。

409、将所述损失函数收敛时对应的所述第一骨干网络和所述输出层，组成所述图像识别模型。

针对401：

采用预训练模型初始化第一骨干网络和第二骨干网络后，第一骨干网络的初始化参数为预训练模型的参数，第二骨干网络的初始化参数也为预训练模型的参数。

本实施例中，通过加载预训练模型并采用预训练模型进行初始化，可以加快图像识别模型训练时损失函数的收敛速度，提高图像识别模型的训练效率。

针对402：

目标训练集可以依据目标任务确定，比如，目标任务是植物分类，则获取预先收集的植物分类对应的目标训练集。目标训练集中包括多对训练数据，每对训练数据包括样本图像及其对应的标签数据，样本图像比如为植物图像，标签数据比如为植物的类别。

本实施例中，通过从目标训练集中获取样本图像和标签数据，可以针对不同的任务使用不同的目标训练集，使得训练后得到的图像识别模型更有针对性以及更准确。

针对403-404：

本实施例中以第一骨干网络和第二骨干网络均包括多个网络段为例，相应的，所述第一图像特征包括：所述第一骨干网络的各个网络段的输出图像特征；所述第二图像特征包括：所述第二骨干网络的各个网络段的输出图像特征。进一步的，图像特征比如为各个网络段输出的特征图。

比如，骨干网络(包括第一骨干网络和第二骨干网络)为vgg19时，骨干网络包括5个网络段，各个网络段的输出图像特征可以具体为特征图。每个网络段中包括卷积层、批标准化(Batch Normalization，BN)层和激活层，激活层的激活函数比如为线性整流函数(Rectified Linear Unit,ReLU)，各个网络段输出的图像特征可以分别表示为：relu1_2，relu2_2，relu3_4，relu4_4，relu5_4，则第一图像特征可以包括：第一relu1_2，第一relu2_2，第一relu3_4，第一relu4_4，第一relu5_4；第二图像特征可以包括：第二relu1_2，第二relu2_2，第二relu3_4，第二relu4_4，第二relu5_4。

针对405-409：

对应各个网络段，对相应网络段的第一图像特征和第二图像特征进行相加，比如，对应第一个网络段，对第一relu1_2和第二relu1_2进行相加运算。其余网络段的也做同样的相加运算。

如图3所示，一个网络段的相加后的图像特征作为第一骨干网络的下一个网络段的输入，并以此类推，直至从输出层输出样本图像对应的预测值。输出层比如为分类网络，预测值比如为预测类别。对于骨干网络的最后一个网络段，可以相加或不相加，比如，图3中以最后一个网络段未进行相加为例。

可以理解的是，对于第二骨干网络，如图3所示，第二骨干网络的每个网络段的输出作为下一个网络段的输入，第二骨干网络中并不引入第一骨干网络中的特征，而是依照一般流程进行处理。

目标训练集中还包括样本图像对应的标签数据，之后可以依据相互对应的标签数据和预测类别计算损失函数，并基于损失函数以及BP算法，对第一骨干网络的参数和输出层的参数进行更新，并且该过程中第二骨干网络的参数保持不变，直至损失函数收敛，在损失函数收敛时完成对图像识别模型的训练。

图像识别模型包括第一骨干网络和输出层，之后，在识别阶段，可以将待识别图像输入到图像识别模型中，经过第一骨干网络和输出层，输出对所述待识别图像的识别结果。

本实施例中，通过上述的训练方式，可以完成对图像识别模型的训练。

进一步的，在训练时，更新第一骨干网络的参数，而不更新第二骨干网络的参数，通过不更新第二骨干网络的参数，即，第二骨干网络的参数一直保持预训练模型的参数，因此，可以充分利用预训练模型参数的优良性，提高图像识别模型的识别准确度，并且在第一骨干网络的下一个网络段引入相加后的图像特征，可以丰富输入的特征，避免模型过拟合。

图5是本公开第五实施例的示意图，该实施例提供一种深度伪造图像检测模型的训练装置。如图5所示，该装置500包括第一提取单元501、第二提取单元502、融合单元503和训练单元504。

第一提取单元501用于采用第一骨干网络提取样本图像的第一图像特征；第二提取单元502用于采用第二骨干网络提取所述样本图像的第二图像特征，所述第一骨干网络和所述第二骨干网络的结构相同；融合单元503用于融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；训练单元504用于基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

本实施例中，通过采用两个骨干网络，分别采用两个骨干网络提取出两组图像特征，并对两组图像特征进行融合后得到融合图像特征，以及，基于融合图像特征对两个骨干网络中的一个骨干网络进行训练，而不训练另一个骨干网络，可以在被训练的骨干网络中融合已训练模型的优良参数，提高图像识别模型的识别准确度。另外，由于被训练的骨干网络中融合了更多的特征，可以避免图像识别模型的过拟合。

一些实施例中，所述第一骨干网络和所述第二骨干网络包括多个网络段；所述第一图像特征包括：所述第一骨干网络的各个网络段的输出图像特征；所述第二图像特征包括：所述第二骨干网络的各个网络段的输出图像特征；所述融合单元503具体用于：将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行融合。

一些实施例中，所述融合单元503进一步具体用于：将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行相加，以将相加后的图像特征作为所述融合图像特征。

一些实施例中，参见图6，提供一种图像识别模型的训练装置，所述图像识别模型还包括分类网络，该训练装置600包括：第一提取单元601、第二提取单元602、融合单元603和训练单元604。其中，训练单元604包括：预测模块6041、计算模块6042、更新模块6043和确定模块6044。

预测模块6041用于对应所述各个网络段，将所述网络段对应的融合图像特征，作为所述第一骨干网络中所述网络段的下一个网络段的输入，直至通过所述分类网络输出所述样本图像的预测值；计算模块6042，用于基于所述预测值和所述样本图像对应的标签数据，计算损失函数；更新模块6043用于基于反向传播算法，更新所述第一骨干网络的参数和所述分类网络的参数，以及，保持所述第二骨干网络的参数不变，直至所述损失函数收敛；确定模块6044将所述损失函数收敛时对应的所述第一骨干网络和所述分类网络，组成所述图像识别模型。

一些实施例中，参见图6，该训练装置600还包括：获取单元605，获取单元605用于从所述图像识别模型对应的目标训练集中，获取所述样本图像和所述样本图像对应的标签数据。

一些实施例中，参见图6，该训练装置600还包括：初始化单元606，初始化单元606用于采用所述第一骨干网络和所述第二骨干网络分别加载预训练模型，并采用所述预训练模型初始化所述第一骨干网络的参数和所述第二骨干网络的参数。

本实施例中，基于各个网络段进行图像特征融合，可以进一步提高图像识别模型的识别效果。通过将第一图像特征和第二图像特征相加实现融合，可以简化操作，提高图像识别模型的训练效率。通过加载预训练模型并采用预训练模型进行初始化，可以加快图像识别模型训练时损失函数的收敛速度，提高图像识别模型的训练效率。通过从目标训练集中获取样本图像和标签数据，可以针对不同的任务使用不同的目标训练集，使得训练后得到的图像识别模型更有针对性以及更准确。通过上述的训练方式，可以完成对图像识别模型的训练，并且在训练时，更新第一骨干网络的参数，而不更新第二骨干网络的参数，通过不更新第二骨干网络的参数，即，第二骨干网络的参数一直保持预训练模型的参数，因此，可以充分利用预训练模型参数的优良性，提高图像识别模型的识别准确度，并且在第一骨干网络的下一个网络段引入相加后的图像特征，可以丰富输入的特征，避免模型过拟合。

可以理解的是，本公开的不同实施例中相同或相应的内容可以相互参考，实施例中未做详细说明的内容，可以参见其他实施例的相关内容。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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、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，个人数字助理、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/或者要求的本公开的实现。

如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如图像识别模型的训练方法。例如，在一些实施例中，图像识别模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的图像识别模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像识别模型的训练方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种图像识别模型的训练方法，所述图像识别模型包括第一骨干网络，所述方法包括：

采用所述第一骨干网络提取样本图像的第一图像特征；

采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同；

融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；

基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

2.根据权利要求1所述的方法，其中，

所述第一骨干网络和所述第二骨干网络包括多个网络段；

所述第一图像特征包括：所述第一骨干网络的各个网络段的输出图像特征；

所述第二图像特征包括：所述第二骨干网络的各个网络段的输出图像特征；

所述融合所述第一图像特征和所述第二图像特征，包括：

将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行融合。

3.根据权利要求2所述的方法，其中，所述将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行融合，包括：

将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行相加，以将相加后的图像特征作为所述融合图像特征。

4.根据权利要求2所述的方法，其中，所述图像识别模型还包括分类网络，所述基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型，包括：

对应所述各个网络段，将所述网络段对应的融合图像特征，作为所述第一骨干网络中所述网络段的下一个网络段的输入，直至通过所述分类网络输出所述样本图像的预测值；

基于所述预测值和所述样本图像对应的标签数据，计算损失函数；

基于反向传播算法，更新所述第一骨干网络的参数和所述分类网络的参数，以及，保持所述第二骨干网络的参数不变，直至所述损失函数收敛；

将所述损失函数收敛时对应的所述第一骨干网络和所述分类网络，组成所述图像识别模型。

5.根据权利要求4所述的方法，其中，还包括：

从所述图像识别模型对应的目标训练集中，获取所述样本图像和所述样本图像对应的标签数据。

6.根据权利要求1-5任一项所述的方法，其中，还包括：

采用所述第一骨干网络和所述第二骨干网络分别加载预训练模型，并采用所述预训练模型初始化所述第一骨干网络的参数和所述第二骨干网络的参数。

7.一种图像识别模型的训练装置，所述图像识别模型包括第一骨干网络，所述装置包括：

第一提取单元，用于采用所述第一骨干网络提取样本图像的第一图像特征；

第二提取单元，用于采用第二骨干网络提取所述样本图像的第二图像特征，所述第二骨干网络与所述第一骨干网络的结构相同；

融合单元，用于融合所述第一图像特征和所述第二图像特征，以得到融合图像特征；

训练单元，用于基于所述融合图像特征，更新所述第一骨干网络的参数，并保持所述第二骨干网络的参数不变，以得到所述图像识别模型。

8.根据权利要求7所述的装置，其中，

所述第一骨干网络和所述第二骨干网络包括多个网络段；

所述第一图像特征包括：所述第一骨干网络的各个网络段的输出图像特征；

所述第二图像特征包括：所述第二骨干网络的各个网络段的输出图像特征；

所述融合单元具体用于：

将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行融合。

9.根据权利要求8所述的装置，其中，所述融合单元进一步具体用于：

将对应同一个网络段的所述第一图像特征和所述第二图像特征，进行相加，以将相加后的图像特征作为所述融合图像特征。

10.根据权利要求8所述的装置，其中，所述图像识别模型还包括分类网络，所述训练单元包括：

预测模块，用于对应所述各个网络段，将所述网络段对应的融合图像特征，作为所述第一骨干网络中所述网络段的下一个网络段的输入，直至通过所述分类网络输出所述样本图像的预测值；

计算模块，用于基于所述预测值和所述样本图像对应的标签数据，计算损失函数；

更新模块，用于基于反向传播算法，更新所述第一骨干网络的参数和所述分类网络的参数，以及，保持所述第二骨干网络的参数不变，直至所述损失函数收敛；

确定模块，用于将所述损失函数收敛时对应的所述第一骨干网络和所述分类网络，组成所述图像识别模型。

11.根据权利要求10所述的装置，其中，还包括：

获取单元，用于从所述图像识别模型对应的目标训练集中，获取所述样本图像和所述样本图像对应的标签数据。

12.根据权利要求10所述的装置，其中，还包括：

初始化单元，用于采用所述第一骨干网络和所述第二骨干网络分别加载预训练模型，并采用所述预训练模型初始化所述第一骨干网络的参数和所述第二骨干网络的参数。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的训练方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的训练方法。

15.一种计算机程序产品，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1-6中任一项所述的训练方法。

Images