CN112561060A - 神经网络训练方法及装置、图像识别方法及装置和设备 - Google Patents

Abstract

本公开提供一种神经网络训练方法及装置、图像识别方法及装置、设备、介质和程序产品，涉及人工智能技术领域，具体涉及深度学习、计算机视觉技术领域，训练方法包括：获取多个第一样本图像，多个第一样本图像包括多个正例图像和多个反例图像，多个正例图像均与同一图像相关；响应于多个第一样本图像输入神经网络，获取神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；计算每一个正例图像与多个反例图像中每一个的相似度；基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值；至少基于分布损失值调整神经网络的参数。

Description

神经网络训练方法及装置、图像识别方法及装置和设备

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，具体涉及一种神经网络训练方法及装置、图像识别方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能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、大数据处理等领域；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。人工智能被越来越广泛地应用在各个领域，例如图像识别领域。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种神经网络训练方法及装置、图像识别方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

根据本公开的第一方面，提供了一种神经网络的训练方法，方法包括：获取多个第一样本图像，多个第一样本图像包括多个正例图像和多个反例图像，多个正例图像均与同一图像相关；响应于多个第一样本图像输入神经网络，获取神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；基于多个正例图像中每一个正例图像相应的第一特征向量、多个反例图像分别相应的第二特征向量，计算每一个正例图像与多个反例图像中每一个的相似度；基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值；至少基于分布损失值调整神经网络的参数。

根据本公开的第二方面，提供了一种利用神经网络的图像识别方法，方法包括：利用上述的训练方法得到神经网络，该神经网络包括级联的第一神经网络和分类器；响应于待识别图像输入第一神经网络，第一神经网络输出相应的映射特征向量；将映射特征向量输入分类器；基于分类器的输出结果，确定待识别图像的识别结果。

根据本公开的第三方面，提供了一种神经网络的训练装置，装置包括：第一获取单元，被配置用于获取多个第一样本图像，多个第一样本图像包括多个正例图像和多个反例图像，多个正例图像均与同一图像相关；第二获取单元，被配置用于响应于多个第一样本图像输入神经网络，获取神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；第一计算单元，被配置用于基于多个正例图像中每一个正例图像相应的第一特征向量、多个反例图像分别相应的第二特征向量，计算每一个正例图像与多个反例图像中每一个的相似度；第二计算单元，被配置用于基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值；调整单元，被配置用于至少基于分布损失值调整神经网络的参数。

根据本公开的第四方面，提供了一种利用神经网络的图像识别装置，装置包括：利用上述训练方法所得到的神经网络，该神经网络包括级联的第一神经网络和分类器；第三获取单元，被配置用于响应于待识别图像输入第一神经网络，获取第一神经网络输出相应的映射特征向量；输出单元，被配置用于将映射特征向量输入分类器；确定单元，被配置用于基于分类器的输出结果，确定待识别图像的识别结果。

根据本公开的第五方面，提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现上述的方法的步骤。

根据本公开的第六方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的一个或多个实施例，可以在神经网络的训练过程中，避免对样本图像设置标签，降低了神经网络的训练成本，同时，通过分布损失值对神经网络的参数进行调整，使得训练得到的神经网络模型能够学习到正例与所有反例图像的相似度分布上的共性。由此，能够提升神经网络的训练效果。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1是示出根据示例性实施例的由计算机实现的神经网络的训练方法的流程图；

图2是示出根据示例性实施例的由计算机实现的另一个神经网络的训练方法的流程图；

图3是示出根据示例性实施例的由计算机实现的利用神经网络的图像识别方法的流程图；

图4是示出根据示例性实施例的由计算机实现的神经网络的训练装置结构框图；

图5是示出根据示例性实施例的由计算机实现的利用神经网络的图像识别装置结构框图；

图6是示出能够应用于示例性实施例的示例性计算设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

近年来，深度学习技术在很多实际任务中取得了突破性的进展。尤其是在图像识别领域进步显著。

在相关技术中，对用于图像识别的神经网络往往采用监督学习的方式进行训练。具体训练方式可以概括为：标注样本图像的真实标签及其置信度，将样本图像输入待训练的神经网络，基于神经网络输出的预测标签及其置信度和真实标签及其置信度计算损失值，并通过损失值对神经网络的参数进行调整，由此实现对神经网络的训练。

然而，在很多的实际应用中，为样本图像标注标签的成本非常高。例如，在医疗领域，为医学影像标注标签的人员必须具备一定的专业知识，而具备专业知识的医生资源是十分有限的，无法实现对大规模医学影像数据集标注标签，因此也就难以采用监督学习的方式在医疗领域实现对神经网络的训练。

基于此，本公开提出一种利用无标签样本图像对神经网络进行训练的方法。本公开建立具有正例图像和反例图像的样本图像，基于正例图像和反例图像之间的相似度关系，计算分布损失值，并基于分布损失值对神经网络的参数进行调整。由此，避免了对样本图像设置标签的步骤，降低了神经网络的训练成本，同时，通过分布损失值对神经网络的参数进行调整，使得训练得到的神经网络模型能学习到正例与所有反例图像的相似度分布上的共性。由此，能够提升神经网络的训练效果。

下面将结合附图详细描述本公开的实施例。

图1是示出根据本公开示例性实施例的由计算机实现的神经网络的训练方法，方法包括：步骤S101、获取多个第一样本图像，多个第一样本图像包括多个正例图像和多个反例图像，多个正例图像均与同一图像相关；步骤S102、响应于多个第一样本图像输入神经网络，获取神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；步骤S103、基于多个正例图像中每一个正例图像相应的第一特征向量、多个反例图像分别相应的第二特征向量，计算每一个正例图像与多个反例图像中每一个的相似度；步骤S104、基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值；步骤S105、至少基于分布损失值调整神经网络的参数。由此，在神经网络的训练过程中，避免了对样本图像设置标签，降低了神经网络的训练成本，同时，通过分布损失值对神经网络的参数进行调整，使得训练得到的神经网络模型能学习正例与所有反例图像的相似度分布上的共性。由此，能够提升神经网络的训练效果。

可以理解，上述神经网络的训练方法可以由计算机实现。

针对于步骤S101，其中，由于多个正例图像均与同一图像相关，因此，正例图像之间具有相对较高的相似度，反例图像与正例图像之间具有相对较低的相似度。

根据一些实施例，对于多个第一样本图像中的每一个第一样本图像，在多个第一样本图像中都可以包括与其对应的多个正例图像和多个反例图像。

根据一些实施例，包括多个正例图像和多个反例图像的多个第一样本图像可以通过随机数据增强处理获得。具体地，该方法可以包括：获取多个原始样本图像；对多个原始样本图像中每一个原始样本图像进行至少两次随机数据增强处理，得到该原始样本图像相应的至少两个第一样本图像，其中，多个正例图像为同一原始样本图像相应的多个第一样本图像。由于，多个正例图像为同一原始样本图像进行随机数据增强处理得到的，因此，多个正例图像之间具有较高相似度，同时，基于不同的原始样本图像的随机数据增强处理得到的不同第一样本图像之间相似度较低，构成反例图像。由此，能够方便快捷地获取同时包括无标签的多个正例图像和反例图像的多个第一样本图像。

根据一些实施例，至少两次随机数据增强处理可以包括以下处理中的至少一个：随机裁剪处理；随机翻转处理；随机颜色扰动处理；随机旋转处理；随机切除处理；随机高斯噪声处理；随机高斯模糊处理；以及边缘滤波处理。由此，可以获取基于同一原始样本图像的多个正例图像。

根据一些实施例，可以对多个原始样本图像中的每一个原始样本图像进行两次随机增强处理，得到对应的两个第一样本图像。对全部原始样本图像中的每一个原始样本图像分别进行两次随机增强处理的处理结果可以构成步骤S101中的多个第一样本图像。

根据一些实施例，可以对多个原始样本图像中的每一个原始样本图像分别进行随机裁剪处理和随机颜色扰动处理。

在获取多个第一样本图像之后，可以进一步执行步骤S102。

将多个第一样本图像输入神经网络，获取神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量。

在获取了多个正例图像分别相应的第一特征向量和与多个反例图像分别相应的多个第二特征向量之后，可以进一步执行步骤S103。

基于多个正例图像中每一个正例图像相应的第一特征向量、多个反例图像分别相应的第二特征向量，计算每一个正例图像与多个反例图像中每一个的相似度。

在此之后，可以进一步执行步骤S104，基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值。

根据一些实施例，基于多个正例图像中每一个正例图像与多个反例图像分别相应的多个相似度的分布，计算分布损失值可以包括：确定多个正例图像中任意两个正例图像分别相应的相似度分布之间的散度值；基于多个正例图像相应的多个散度值，计算分布损失值。由此，通过计算散度值能够便于对相似度分布之间的相似性进行量化。

具体地，针对多个第一样本图像中的正例图像p、正例图像q和R个反例图像s₁～s_R，基于正例图像p与每一个反例图像s₁～s_R的相似度值的归一化结果，可以得到对应的相似度分布P。相似度分布P能够表示正例图像p与R个反例图像中每一个反例图像的相似程度。使用相同的方式，能够得到正例图像q对应的相似度分布Q。

根据一些实施例，通过KL散度函数可以得到基于正例图像p对应的相似度分布P和正例图像q对应的相似度分布Q之间的分布损失值：

KL(P||Q)+KL(Q||P)

其中，KL(·||·)是KL散度函数。通过KL散度函数能够量化相似度分布值P和相似度分布Q之间的相似程度，其中，相似度分布值P和相似度分布Q之间的相似程度越高，得到的KL散度函数值越小。由于KL散度函数具有不对称性，因此，通过计算KL(P||Q)与KL(Q||P)之和确定分布损失值，能够提升计算的准确性。

根据一些实施例，在计算正例图片与每一个反例图片的相似度时，可以通过余弦相似度、内积相似度或者神经网络的方式计算，在此不作限定。

根据一些实施例，针对多个第一样本图像中的多个正例图像，可以分别计算该多个正例图像中所有两两组合的正例图像的子分布损失值，并将所有子分布损失值的加权和作为分布损失值。

根据一些实施例，在多个第一样本图像是基于对原始样本图像中的每一个原始样本图像进行至少两次随机增强处理得到的情况下，可以基于多个第一样本图像中的每一个第一样本图像，确定该第一样本图像对应的所有正例图像和反例图像。其中，正例图像均基于对同一原始样本图像的随机增强处理得到，反例图像与该第一样本图像基于不同的原始样本图像得到。由此，可以分别计算每一个第一样本图像与其对应的除该第一样本图像以外的每一个正例图像之间的子分布损失值，并将所有第一样本图像分别对应的所有子对比分布值的加权和作为分布损失值。

在一个示例性实施例中，可以对M个原始样本图像中的每一个原始样本图像进行2次随机数据增强，得到2M个第一样本图像，其中，2M个第一样本图像中包括M组图像，每一组图像基于同一原始样本图像的随机增强处理得到，互为正例图像。不同组的图像互为反例图像。由此，可以分别基于每一组图像计算其中的两个第一样本图像对应的子分布损失值，并将M个子分布损失值的加权和作为分布损失值。

在确定了分布损失值之后，可以进一步执行步骤S105，至少基于分布损失值调整神经网络的参数。

根据一些实施例，还可以基于多个正例图像分别相应的第一特征向量，计算多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度；至少基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值，其中，神经网络中的参数为基于对比损失值和分布损失值来调整。由此，通过对比损失值和分布损失值对神经网络的参数进行调整，使得训练得到的神经网络模型能够学习正例与所有反例图像的相似度分布上的共性，以及正例之间的相似性和正例与反例之间的差异性。由此，能够提升神经网络的训练效果。

根据一些实施例，至少基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值包括：对该正例图像与多个第一样本图像中除去该正例图像以外的至少一个第一样本图像中每一个的相似度进行求和以得到总和；基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度和总和之间的比值，计算对比损失值。

由此，基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度和总和之间的比值，可以对正例图像之间的相似度进行归一化处理，以保证对神经网络的训练中同时对正例图像之间的相似性和正例与反例之间的差异性进行学习，提升神经网络的训练效果。

具体地，针对于正例图像i和正例图像j，它们之间的对比损失值可以表示为：

其中，N是多个第一样本图像的数量，k为正整数，z_i表示正例图像i相应的第一特征向量，z_j表示正例图像j相应的第一特征向量,z_k表示N个第一样本图像中除了正例图像i以外的其它正例图像或反例图像相应的第一特征向量或第二特征向量。sim(·,·)是相似度函数，用来量化两个特征向量之间的相似度。τ是超参数，用于调整相似度函数的取值范围。

根据一些实施例，相似度函数可以为余弦相似度函数，在这种情况下，相似度函数可以表示为：

其中，||·||表示特征向量的模。

由此，采用余弦相似度函数进行相似度计算能够减小计算量，提升神经网络的训练效率。

根据一些实施例，针对多个第一样本图像中的多个正例图像，可以分别计算该多个正例图像中所有两两组合的正例图像的子对比损失值，并将所有子对比损失值的加权和作为对比损失值。

根据一些实施例，在多个第一样本图像是基于对原始样本图像中的每一个原始样本图像进行至少两次随机增强处理得到的情况下，可以基于多个第一样本图像中的每一个第一样本图像，确定该第一样本图像对应的所有正例图像和反例图像。其中，正例图像均基于对同一原始样本图像的随机增强处理得到，反例图像与该第一样本图像基于不同的原始样本图像得到。由此，可以分别计算每一个第一样本图像与其对应的除该第一样本图像以外的每一个正例图像之间的子对比损失值，并将所有第一样本图像分别对应的所有子对比损失值的加权和作为对比损失值。

在一个示例性实施例中，可以对M个原始样本图像中的每一个原始样本图像进行2次随机数据增强，得到2M个第一样本图像，其中，2M个第一样本图像中包括M组图像，每一组图像基于同一原始样本图像的随机增强处理得到，互为正例图像。不同组的图像互为反例图像。由此，可以分别基于每一组图像计算其中的两个第一样本图像对应的子对比损失值，并将M个子对比损失值的加权和作为对比损失值。

根据一些实施例，神经网络模型可以包括第一神经网络，其中，所述第一神经网络包括级联的骨干神经网络和全连接神经网络，其中，全连接神经网络可以包括多个全连接层。

在一个示例性实施例中，用于计算对比损失值和分布损失值的第一特征向量和第二特征向量可以为该全连接神经网络同一全连接层的输出。

在另一个示例性实施例中，用于计算对比损失值和分布损失值的第一特征向量和第二特征向量可以分别为该全连接神经网络不同的全连接层的输出。

可以理解，对于分布损失值和对比损失值的计算没有特定的先后顺序，也可以先计算分布损失值再计算对比损失值，也可以计算对比损失值再计算分布损失值，或者可以分别同时计算分布损失值和对比损失值，在此不作限定。

根据一些实施例，可以基于对比损失值和分布损失值的加权和调整神经网络的参数。由此，能够灵活地基于对比损失值和分布损失值实现对神经网络的参数的调整，提升神经网络的训练效果。

根据一些实施例，对比损失值和分布损失值的权重比可以为1：3。由此，能够强化分布损失值在神经网络训练过程中的影响。

根据一些实施例，神经网络可以包括级联的第一神经网络和分类器，至少基于分布损失值调整所述第一神经网络的参数。由此，先训练第一神经网络，在第一神经网络训练完之后，再对分类器进行训练，能够利用不同的训练方法对神经网络的不同部分进行分阶段训练，提升神经网络的训练效果。

根据一些实施例，可以基于对比损失值和分布损失值共同调整第一神经网络和全连接神经网络的参数。

根据一些实施例，如图2所示，神经网络的训练方法还可包括：步骤S201、在第一神经网络训练完成之后，获取第二样本图像，并标注所述第二样本图像的真实图像类别及其真实类别置信度；步骤S202、响应于第二样本图像输入第一神经网络，第一神经网络输出第二样本图像相应的第三特征向量；步骤S203、将第三特征向量输入分类器，分类器输出预测图像类别及其预测类别置信度；步骤S204、基于真实图像类别及其真实类别置信度，以及预测图像类别及其预测类别置信度，确定分类损失值；以及步骤S205、基于分类损失值调整分类器的参数。由此，能够利用有监督的训练方法对神经网络的分类器进行训练，提升神经网络的训练效果。

根据一些实施例，第一神经网络包括级联的骨干神经网络和全连接神经网络，分类器与骨干神经网络级联。由此，可以获取第一神经网络不同层的输出用于计算。

在一种实施方式中，响应于第二样本图像输入第一神经网络，骨干神经网络输出第二样本图像相应的第三特征向量。

根据一些实施例，骨干神经网络例如可以但不限于包括深度残差网络。由此，能够便于对神经网络的训练。

在一个示例性实施例中，骨干神经网络可以为Resnet-50。

根据一些实施例，骨干神经网络还可以包括选择性内核单元，其中，选择性内核单元的输入端与深度残差网络的输出端级联。由此，能够提升神经网络的训练效果。

根据一些实施例，分类器可以为线性分类器。由此，能够简化神经网络的结构，提升神经网络的计算效率。

图3是示出根据示例性实施例的利用神经网络的图像识别方法的流程图，如图3所示，该图像识别方法包括：步骤S301、利用上述的训练方法得到神经网络，所述神经网络包括级联的第一神经网络和分类器；步骤S302、响应于待识别图像输入第一神经网络，第一神经网络输出相应的映射特征向量；步骤S303、将映射特征向量输入分类器；步骤S304、基于分类器的输出结果，确定待识别图像的识别结果。由此，通过利用上述训练方法所得到的的神经网络能够提高图像识别的准确率。

可以理解，本公开训练得到的神经网络可以但不限于用于实现图像分类，图像分割，目标检测等图像识别领域。

可以理解，上述利用神经网络的图像识别方法可以由计算机实现。

根据一些实施例，在第一神经网络包括级联的骨干神经网络和全连接神经网络的情况下，映射特征向量为骨干神经网络的输出。由此，可以获取第一神经网络不同层的输出用于计算。

根据本公开的另一方面，还提供一种由计算机实现的神经网络的训练装置400，如图4所示，训练装置400包括：第一获取单元401，被配置用于获取多个第一样本图像，多个第一样本图像包括多个正例图像和多个反例图像，多个正例图像均与同一图像相关；第二获取单元402，被配置用于响应于多个第一样本图像输入神经网络，获取神经网络所输出的与多个正例图像分别相应的第一特征向量和与多个反例图像分别相应的多个第二特征向量；第一计算单元403，被配置用于基于多个正例图像中每一个正例图像相应的第一特征向量、多个反例图像分别相应的第二特征向量，计算每一个正例图像与多个反例图像中每一个的相似度；第二计算单元404，被配置用于至少基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值；第一调整单元405，被配置用于至少基于分布损失值调整神经网络的参数。

根据一些实施例，神经网络可包括级联的第一神经网络和分类器，第一调整单元可被配置为至少基于分布损失值调整第一神经网络的参数。

根据一些实施例，训练装置还可包括：第四获取单元，被配置用于在第一神经网络训练完成之后，获取第二样本图像，并标注第二样本图像的真实图像类别及其真实类别置信度；第五获取单元，被配置用于响应于第二样本图像输入第一神经网络，获取第一神经网络输出第二样本图像相应的第三特征向量；第六获取单元，被配置用于将第三特征向量输入分类器，获取分类器输出预测图像类别及其预测类别置信度；第一确定单元，被配置用于基于真实图像类别及其真实类别置信度，以及预测图像类别及其预测类别置信度，确定分类损失值；第二调整单元，被配置为基于分类损失值调整分类器的参数。

根据一些实施例，训练装置还包括：第七获取单元，被配置用于获取多个原始样本图像；第八获取单元，被配置用于对多个原始样本图像中每一个原始样本图像进行至少两次随机数据增强处理，获取该原始样本图像相应的至少两个第一样本图像，其中，多个正例图像为同一原始样本图像相应的至少两个第一样本图像。

根据一些实施例，训练装置还包括：第三计算单元，被配置用于基于多个正例图像分别相应的第一特征向量，计算多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度；第四计算单元，被配置用于至少基于多个正例图像中每一个正例图像与多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值，其中，第一调整单元被配置用于基于对比损失值和分布损失值来调整神经网络的参数。

根据本公开的另一方面，还提供一种利用神经网络的图像识别装置500，如图5所示，图像识别装置500包括：利用上述训练方法得到神经网络，该神经网络包括的级联的第一神经网络501和分类器502；第三获取单元503，被配置用于响应于待识别图像输入第一神经网络，获取第一神经网络输出相应的映射特征向量；输入单元504，被配置用于将映射特征向量输入分类器502；第二确定单元505，被配置用于基于分类器的输出结果，确定待识别图像的识别结果。

根据本公开的另一方面，还提供一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现上述的方法的步骤。

根据本公开的另一方面，还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元601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601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601执行上文所描述的各个方法和处理，例如由计算机实现的神经网络的训练方法或图像识别方法。例如，在一些实施例中，计算机实现的神经网络的训练方法或图像识别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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行上文描述的计算机实现的神经网络的训练方法或图像识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行计算机实现的神经网络的训练方法或图像识别方法。

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。

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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (21)

1.一种神经网络的训练方法，所述方法包括：

获取多个第一样本图像，所述多个第一样本图像包括多个正例图像和多个反例图像，所述多个正例图像均与同一图像相关；

响应于所述多个第一样本图像输入所述神经网络，获取所述神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；

基于多个正例图像中每一个正例图像相应的第一特征向量、所述多个反例图像分别相应的第二特征向量，计算每一个正例图像与所述多个反例图像中每一个的相似度；

基于多个正例图像中每一个正例图像与所述多个反例图像分别相应的多个相似度的分布，计算分布损失值；

至少基于所述分布损失值调整所述神经网络的参数。

2.如权利要求1所述的训练方法，其中，所述神经网络包括级联的第一神经网络和分类器，至少基于所述分布损失值调整所述第一神经网络的参数。

3.如权利要求2所述的训练方法，所述方法还包括：

在第一神经网络训练完成之后，获取第二样本图像，并标注所述第二样本图像的真实图像类别及其真实类别置信度；

响应于所述第二样本图像输入所述第一神经网络，所述第一神经网络输出所述第二样本图像相应的第三特征向量；

将所述第三特征向量输入所述分类器，所述分类器输出预测图像类别及其预测类别置信度；

基于所述真实图像类别及其真实类别置信度，以及所述预测图像类别及其预测类别置信度，确定分类损失值；

基于所述分类损失值调整所述分类器的参数。

4.如权利要求1所述的训练方法，其中，所述基于多个正例图像中每一个正例图像与所述多个反例图像分别相应的多个相似度的分布，计算分布损失值包括：

确定所述多个正例图像中任意两个正例图像分别相应的相似度分布之间的散度值；

基于所述多个正例图像相应的多个散度值，计算分布损失值。

5.如权利要求1所述的训练方法，所述方法还包括：

获取多个原始样本图像；

对所述多个原始样本图像中每一个原始样本图像进行至少两次随机数据增强处理，得到该原始样本图像相应的至少两个所述第一样本图像，

其中，所述多个正例图像为同一所述原始样本图像相应的至少两个所述第一样本图像。

6.如权利要求5所述的训练方法，其中，所述至少两次随机数据增强处理包括以下处理中的至少一个：

随机裁剪处理；

随机翻转处理；

随机颜色扰动处理；

随机旋转处理；

随机切除处理；

随机高斯噪声处理；

随机高斯模糊处理；以及

边缘滤波处理。

7.如权利要求1所述的训练方法，所述方法还包括：

基于多个正例图像分别相应的第一特征向量，计算多个正例图像中每一个正例图像与所述多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度；

至少基于多个正例图像中每一个正例图像与所述多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值，

其中，所述神经网络中的参数为基于所述对比损失值和所述分布损失值来调整。

8.如权利要求7所述的训练方法，其中，所述至少基于多个正例图像中每一个正例图像与所述多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度，计算对比损失值包括：

对该正例图像与所述多个第一样本图像中除去该正例图像以外的至少一个第一样本图像中每一个的相似度进行求和以得到总和；

基于多个正例图像中每一个正例图像与所述多个正例图像中除去该正例图像以外的至少一个正例图像中每一个的相似度和所述总和之间的比值，计算所述对比损失值。

9.如权利要求7所述的训练方法，其中，基于所述对比损失值和所述分布损失值的加权和调整所述神经网络的参数。

10.如权利要求9所述的训练方法，其中，所述对比损失值和所述分布损失值的权重比为1：3。

11.如权利要求2所述的训练方法，其中，所述第一神经网络包括级联的骨干神经网络和全连接神经网络，所述分类器与所述骨干神经网络级联。

12.如权利要求11所述的训练方法，其中，所述骨干神经网络包括深度残差网络。

13.如权利要求12所述的训练方法，其中，所述骨干神经网络还包括选择性内核单元，其中，所述选择性内核单元的输入端与所述深度残差网络的输出端级联。

14.如权利要求2所述的训练方法，其中，所述分类器为线性分类器。

15.一种利用神经网络的图像识别方法，所述方法包括：

利用权利要求1-14中任一项所述的训练方法得到神经网络，所述神经网络包括级联的第一神经网络和分类器；

响应于待识别图像输入所述第一神经网络，所述第一神经网络输出相应的映射特征向量；

将所述映射特征向量输入所述分类器；

基于所述分类器的输出结果，确定所述待识别图像的识别结果。

16.如权利要求15所述的图像识别方法，其中，在所述第一神经网络包括级联的骨干神经网络和全连接神经网络的情况下，所述映射特征向量为所述骨干神经网络的输出。

17.一种神经网络的训练装置，所述装置包括：

第一获取单元，被配置用于获取多个第一样本图像，所述多个第一样本图像包括多个正例图像和多个反例图像，所述多个正例图像均与同一图像相关；

第二获取单元，被配置用于响应于所述多个第一样本图像输入所述神经网络，获取所述神经网络所输出的分别与多个正例图像相应的第一特征向量和分别与多个反例图像相应的多个第二特征向量；

第一计算单元，被配置用于基于多个正例图像中每一个正例图像相应的第一特征向量、所述多个反例图像分别相应的第二特征向量，计算每一个正例图像与所述多个反例图像中每一个的相似度；

第二计算单元，被配置用于基于多个正例图像中每一个正例图像与所述多个反例图像分别相应的多个相似度的分布，计算分布损失值；

调整单元，被配置用于至少基于所述分布损失值调整所述神经网络的参数。

18.一种利用神经网络的图像识别装置，所述装置包括：

利用权利要求1-14中任一项所述的训练方法所得到的神经网络，所述神经网络包括级联的第一神经网络和分类器；

第三获取单元，被配置用于响应于待识别图像输入所述第一神经网络，获取所述第一神经网络输出相应的映射特征向量；

输入单元，被配置用于将所述映射特征向量输入所述分类器；

确定单元，被配置用于基于所述分类器的输出结果，确定所述待识别图像的识别结果。

19.一种计算机设备，包括：

存储器、处理器以及存储在所述存储器上的计算机程序，

其中，所述处理器被配置为执行所述计算机程序以实现权利要求1-15中任一项所述的方法的步骤。

20.一种非暂态计算机可读存储介质，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权利要求1-16中任一项所述的方法的步骤。

21.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-16中任一项所述的方法的步骤。

Images