CN114020950B - 图像检索模型的训练方法、装置、设备以及存储介质 - Google Patents
图像检索模型的训练方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114020950B CN114020950B CN202111294832.5A CN202111294832A CN114020950B CN 114020950 B CN114020950 B CN 114020950B CN 202111294832 A CN202111294832 A CN 202111294832A CN 114020950 B CN114020950 B CN 114020950B
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- loss
- training
- contrast loss
- 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
- 238000012549 training Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000006870 function Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 229910015234 MoCo Inorganic materials 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007786 learning performance Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种图像检索模型的训练方法、装置、设备以及存储介质,涉及人工智能技术领域,具体为计算机视觉和深度学习技术。该方法包括:获取包括至少一个训练图像对的训练图像集,训练图像对包括第一图像和第二图像;针对训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征;基于第一特征与第三特征的第一对比损失、第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。基于本公开提供的方法训练得到的图像检索模型具有更高的检索精度。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉和深度学习技术,尤其涉及图像检索模型的训练方法、装置、设备以及存储介质。
背景技术
对比学习是无监督学习的一种,能够从无标注的数据中学习知识。对比学习受训练的批次大小影响明显,一般地一次训练的批次越大,对比学习的效果越好。但是提升训练的批次大小受限于服务器的硬件配置,普通服务器显存有限导致不能设置更大的训练批次。现有的基于负例的对比学习,比如MoCo(基于动量比对的非监督式视觉表征学习)虽然能够比较好的学习不同样本之间的特征表达,但是MoCo并没有完全利用一次训练的负样本特征,从而导致GPU(graphics processing unit,图形处理器)资源浪费,使得模型的性能得不到完全的释放。
发明内容
本公开提供了一种图像检索模型的训练方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种图像检索模型的训练方法,包括:获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像;针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征;基于第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。
根据本公开的第二方面,提供了一种图像检索方法,包括:获取待检索图像;将待检索图像输入至预先训练的图像检索模型中,输出得到检索结果,其中,图像检索模型通过如第一方面中任一项所述的方法训练得到。
根据本公开的第三方面,提供了一种图像检索模型的训练装置,包括:第一获取模块,被配置成获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像;提取模块,被配置成针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征;更新模块,被配置成基于第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。
根据本公开的第四方面,提供了一种图像检索装置,包括:第二获取模块,被配置成获取待检索图像;检索模块,被配置成将待检索图像输入至预先训练的图像检索模型中,输出得到检索结果,其中,图像检索模型通过如第一方面中任一项所述的方法训练得到。
根据本公开的第五方面,提供了一种电子设备,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或第二方面中任一实现方式描述的方法。
根据本公开的第六方面,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,计算机指令用于使计算机执行如第一方面或第二方面中任一实现方式描述的方法。
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,计算机程序在被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。
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是本公开可以应用于其中的示例性系统架构图;
图2是根据本公开的图像检索模型的训练方法的一个实施例的流程图;
图3是根据本公开的图像检索模型的训练方法的另一个实施例的流程图;
图4是根据本公开的图像检索模型的训练方法的又一个实施例的流程图;
图5是根据本公开的图像检索方法的一个实施例的流程图;
图6是根据本公开的图像检索模型的训练装置的一个实施例的结构示意图;
图7是根据本公开的图像检索装置的一个实施例的结构示意图;
图8是用来实现本公开实施例的图像检索模型的训练方法或图像检索方法的电子设备的框图。
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,本公开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公开。
图1示出了可以应用本公开的图像检索模型的训练方法或图像检索模型的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可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如,服务器105可以对从终端设备101、102、103获取的训练图像集进行分析和处理,并生成处理结果(例如图像检索模型)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105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105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,本公开实施例所提供的图像检索模型的训练方法或图像检索方法一般由服务器105执行,相应地,图像检索模型的训练装置或图像检索装置一般设置于服务器105中。
应该理解,图1中的终端设备、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终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的图像检索模型的训练方法的一个实施例的流程200。该图像检索模型的训练方法包括以下步骤:
步骤201,获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像。
在本实施例中,图像检索模型的训练方法的执行主体(例如图1所示的服务器105)可以获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像。训练图像对中的第一图像和第二图像出自于同一张原始图像,例如,可以对原始图像进行不同的数据增强,从而得到增强后的第一图像和第二图像。也即本实施例中可以先获取原始图像集,然后对原始图像集中的每张原始图像进行不同的数据增强,从而得到原始图像对应的增强后的图像对,然后所有图像对构成了训练图像集。其中,原始图像集可采用现有的图像数据集,例如Image Net数据集,还可以根据实际情况自行构建,本实施例中对此不做具体限定。
需要说明的是,由于第一图像与第二图像为同一张原始图像经过不同的数据增强得到的,也即第一图像与第二图像来自于同一张原始图像,所以,第一图像与第二图像互为正样本,而训练图像集中除去第一图像和第二图像的其他图像为第一图像或第二图像的负样本。
步骤202,针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征。
在本实施例中,对于步骤201获取的训练图像集中包含的至少一个训练图像对中的每个训练图像对,上述执行主体可以利用初始图像检索模型的第一编码器提取训练图像对中的第一图像的特征,记为第一特征,再提取第二图像的特征,记为第二特征。然后利用初始图像检索模型中的第二编码器提取第一图像的特征,记为第三特征,再提取第二图像的特征,记为第四特征。也即通过初始图像检索模型的第一编码器和第二编码器可以分别得到第一图像的第一特征与第三特征、第二图像的第二特征与第四特征。
其中,初始图像检索模型可以为现有的对比学习模型框架,例如MoCo v3模型、simCLR模型等,本实施例对此不进行具体限定。第一编码器与第二编码器即为编码器与动量编码器,分别代表初始图像检索模型中的两个编码网络,这两个网络的结构相同,参数不同。且编码器由骨干网络(如ResNet、ViT)、投影器以及预测器构成;而动量编码器则由骨干网络、投影器构成,没有预测器。
步骤203,基于第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。
在本实施例中,上述执行主体可以在通过初始图像检索模型的第一编码器和第二编码器分别得到第一图像的第一特征与第三特征、第二图像的第二特征与第四特征后,计算第一特征与第三特征的第一对比损失,以及计算第二特征与第四特征的第二对比损失,然后基于第一对比损失与第二对比损失来更新初始图像检索模型的参数,例如,可以基于第一对比损失与第二对比损失采用反向传播算法更新第一编码器的参数,然后再通过第一编码器的参数动量更新第二编码器的参数,从而得到训练完成的图像检索模型。
可选地,可以利用对比学习中常用的InfoNCE损失函数来计算第一对比损失与第二对比损失,第一对比损失和第二对比损失即为同一图像在不同编码器输出编码的对比损失。由于在模型训练后期,正样本之间的相似度趋于1,对模型收敛不起作用,只有负样本对模型的收敛起作用,所以上述对比损失为负例驱动,是负例补偿损失。
本公开实施例提供的图像检索模型的训练方法,首先获取训练图像集;然后针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征;最后基于第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。本实施例中的图像检索模型的训练方法,该方法通过增加同一图像在不同编码器输出编码的对比损失来增加负例补偿损失,从而充分利用了负样本,提升了图像检索模型的对负样本的学习性能,进而提升了图像检索模型的检索精度。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
继续参考图3,图3示出了根据本公开的图像检索模型的训练方法的另一个实施例的流程300。该图像检索模型的训练方法包括以下步骤:
步骤301,获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像。
步骤301与前述实施例的步骤201基本一致,具体实现方式可以参考前述对步骤201的描述,此处不再赘述。
在本实施例的一些可选实施方式中,训练图像对通过如下步骤得到:获取初始图像集;针对初始图像集中的每张图像,分别进行两种不同的数据增强,得到增强后的第一图像和第二图像;将第一图像和第二图像作为一个训练图像对。其中,数据增强可以为模糊处理、旋转、平移、剪切等操作。通过对初始图像集中的图像进行两种不同的数据增强,从而得到出自一张图像却经过不同数据增强的训练图像对,从而为图像增加正样本。
步骤302,针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征。
步骤302与前述实施例的步骤202基本一致,具体实现方式可以参考前述对步骤202的描述,此处不再赘述。
步骤303,分别计算第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失。
在本实施例中,通过初始图像检索模型的第一编码器和第二编码器可以分别得到第一图像的第一特征与第三特征、第二图像的第二特征与第四特征,图像检索模型的训练方法的执行主体(例如图1所示的服务器105)可以分别计算第一特征与第三特征的第一对比损失,以及第二特征与第四特征的第二对比损失。
作为示例,可利用对比学习常用的InfoNCE损失函数来进行计算,InfoNCE损失函数的表达式为:
其中,τ为温度参数,用来调节输出分布,q表示输入图像经过第一编码器输出的编码,k表示输入图像经过第二编码器输出的编码,k+表示输入图像的正样本经第二编码器的输出编码,k-表示输入图像的负样本经第二编码器的输出编码,qk+表示输入图像与其正样本的相似度,qk-表示输入图像与其负样本的相似度。
由于第一图像与第二图像为一张图像经过不同数据增强得到的,所以第一图像与第二图像互为正样本,而训练图像集中除去第二图像的其他图像均为第一图像的负样本。
也即,本实施例中可基于下述公式(2)来计算第一对比损失loss1,基于下述公式(3)来计算第二对比损失loss2:
其中,τ为温度参数,q1为第一图像经过第一编码器输出的编码,为第一图像经过第二编码器输出的编码,为第一图像的负样本经过第二编码器输出的编码,q2为第二图像经过第一编码器输出的编码,为第二图像经过第二编码器输出的编码,为第二图像的负样本经过第二编码器输出的编码。需要说明的是,输入图像与其正样本的相似度高且与其负样本的相似度低时该对比损失较小。
步骤304,基于第一对比损失与第二对比损失得到目标损失。
在本实施例中,上述执行主体可以基于第一对比损失和第二对比损失得到目标损失。例如,将第一对比损失与第二对比损失相加,从而得到目标损失。也即目标损失loss=loss1+loss2。
步骤305,基于目标损失利用反向传播算法更新第一编码器的参数。
在本实施例中,上述执行主体可以基于步骤304得到的目标损失利用反向传播算法更新第一编码器的参数。反向传播算法(Backpropagation algorithm,BP算法),适合于多层神经元网络的一种学习算法,它建立在梯度下降法的基础上。在这里,通过最小化loss,通过后反馈仅调整更新第一编码器的网络参数。
步骤306,通过第一编码器的参数动量更新第二编码器的参数。
在本实施例中,上述执行主体可以通过第一编码器的参数动量更新第二编码器的参数。具体地,第二编码器的参数可通过下述公式(4)进行动量更新:
θk←mθk+(1-m)θq (4)
其中,θk是指第二编码器的参数,θq是指第一编码器的参数,m是一个介于0.0-1.0之间的动量系数。
通过上述步骤对第一编码器、第二编码器的参数进行了更新,从而得到训练完成的图像检索模型,从而提升了模型的检索精度。
从图3中可以看出,与图2对应的实施例相比,本实施例中的图像检索模型的训练方法,该方法突出了计算第一对比损失与第二对比损失,通过第一对比损失和第二对比损失得到目标损失,以及通过目标损失更新第一编码器的参数、动量更新第二编码器的参数的过程,该方法通过计算得到了负例补偿损失,并基于负例补偿损失更新模型参数,从而使得训练完成的图像检索模型能够最大化输入图像与正样本之间的相似度,最小化输入图像与负样本之间的相似度,从而提升了图像检索模型的检索精度。
继续参考图4,图4示出了根据本公开的图像检索模型的训练方法的又一个实施例的流程400。该图像检索模型的训练方法包括以下步骤:
步骤401,获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像。
步骤402,针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征。
步骤403,分别计算第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失。
步骤401-403与前述实施例的步骤301-303基本一致,具体实现方式可以参考前述对步骤301-303的描述,此处不再赘述。
步骤404,分别计算第一特征与第四特征的第三对比损失以及第二特征与第三特征的第四对比损失。
在本实施例中,图像检索模型的训练方法的执行主体(例如图1所示的服务器105)可以分别计算第一特征与第四特征的第三对比损失以及第二特征与第三特征的第四对比损失。
例如,可通过下述公式(5)来计算第三对比损失loss3,通过下述公式(6)来计算第四对比损失loss4:
其中,τ为温度参数,q1为第一图像经过第一编码器输出的编码,为第一图像经过第二编码器输出的编码,为第一图像的负样本经过第二编码器输出的编码,q2为第二图像经过第一编码器输出的编码,为第二图像经过第二编码器输出的编码,为第二图像的负样本经过第二编码器输出的编码。
在本实施例的一些可选实施方式中,第一对比损失、第二对比损失、第三对比损失与第四对比损失均是通过infoNCE损失函数计算得到。infoNCE损失函数是对比学习中常用的损失函数,通过infoNCE损失函数能够更准确地计算对比损失。
步骤405,将第一对比损失、第二对比损失、第三对比损失与第四对比损失相加,得到目标损失。
在本实施例中,上述执行主体可以将第一对比损失、第二对比损失、第三对比损失与第四对比损失相加,从而得到目标损失。也即目标损失loss=loss1+loss2+loss3+loss4。
需要说明的是,从上述公式(2)和公式(3)中可以看出,q1与计算正样本相似度,q1与计算负样本相似度。而由于q1、是同一个增强视图(第一图像)经过两个编码器得到的,第二编码器的模型参数是通过第一编码器的模型参数进行动量更新的得到的。在模型训练到后期,两分支参数趋于一致,所以正例之间q1与输出的余弦相似度接近于1,对模型收敛的贡献非常小,而负样本q1、对模型的收敛是起作用的,二者余弦值越小,损失值越小,驱动模型收敛。loss1和loss2中的负样本与loss3和loss4中的负样本有相同的影响,而loss1和loss2中与loss3和loss4不同之处在于正样本,loss1和loss2在训练后期的正样本之间相似度趋于1,对模型收敛基本不起作用,所以本实施例中的loss1和loss2为负例驱动项。
通过上述步骤计算得到的目标损失中包含了同一图像在不同编码器输出编码的对比损失,从而使得模型可以更加充分的利用负样本,提升模型对负样本的学习性能。
步骤406,基于目标损失利用反向传播算法更新第一编码器的参数。
步骤407,通过第一编码器的参数动量更新第二编码器的参数。
步骤406-407与前述实施例的步骤305-306基本一致,具体实现方式可以参考前述对步骤305-306的描述,此处不再赘述。
从图4中可以看出,与图3对应的实施例相比,本实施例中的图像检索模型的训练方法,该方法突出了计算第三对比损失以及第四对比损失,并将第一对比损失、第二对比损失、第三对比损失与第四对比损失相加得到目标损失的过程,从而在现有的交换损失基础上,通过新增同一批次内,同一增强图像在不同编码器输出编码的对比损失,进一步增加了负例损失补偿,从而提升了对负样本的利用,提升了对比学习的性能,并进一步提升了训练得到的图像检索模型的检索精度。
继续参考图5,其示出了根据本公开的图像检索方法的一个实施例的流程500。该图像检索方法包括以下步骤:
步骤501,获取待检索图像。
在本实施例中,图像检索方法的执行主体(例如图1所示的服务器105)可以获取待检索图像。待检索图像即为需要进行检索的图像,其可以为人物图像,也可以为动物图像,本实施例对此不做具体限定。
步骤502,将待检索图像输入至预先训练的图像检索模型中,输出得到检索结果。
在本实施例中,上述执行主体可以将步骤501获取的待检索图像输入至预先训练的图像检索模型中,从而输出得到对应的检索结果。其中,图像检索模型可以通过前述实施例中所述的方法训练得到。
上述执行主体将待检索图像输入至图像检索模型后,图像检索模型会通过提取待检索图像的特征,并将提取的特征与图像库中的图像进行相似度计算,从而基于计算结果得到最终的检索结果。
本公开实施例提供的图像检索方法,首先获取待检索图像;然后将待检索图像输入至预先训练的图像检索模型中,输出得到检索结果。本实施例中的图像检索方法,该方法通过预先训练的图像检索模型来对待检索图像进行检索,能够提升检索结果的准确性。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种图像检索模型的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6所示,本实施例的图像检索模型的训练装置600包括:第一获取模块601、提取模块602和更新模块603。其中,第一获取模块601,被配置成获取训练图像集,其中,训练图像集中包括至少一个训练图像对,训练图像对包括第一图像和第二图像;提取模块602,被配置成针对至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取第一图像的第一特征和第二图像的第二特征,并利用初始图像检索模型的第二编码器分别提取第一图像的第三特征和第二图像的第四特征;更新模块603,被配置成基于第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失更新初始图像检索模型的参数,得到训练完成的图像检索模型。
在本实施例中,图像检索模型的训练装置600中:第一获取模块601、提取模块602和更新模块603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,训练图像对通过如下步骤得到:获取初始图像集;针对初始图像集中的每张图像,分别进行两种不同的数据增强,得到增强后的第一图像和第二图像;将第一图像和第二图像作为一个训练图像对。
在本实施例的一些可选的实现方式中,更新模块包括:第一计算子模块,被配置成分别计算第一特征与第三特征的第一对比损失以及第二特征与第四特征的第二对比损失;得到子模块,被配置成基于第一对比损失与第二对比损失得到目标损失;第一更新子模块,被配置成基于目标损失利用反向传播算法更新第一编码器的参数;第二更新子模块,被配置成通过第一编码器的参数动量更新第二编码器的参数。
在本实施例的一些可选的实现方式中,上述图像检索模型的训练装置600还包括:第二计算子模块,被配置成分别计算第一特征与第四特征的第三对比损失以及第二特征与第三特征的第四对比损失;以及得到子模块包括:相加单元,被配置成将第一对比损失、第二对比损失、第三对比损失与第四对比损失相加,得到目标损失。
在本实施例的一些可选的实现方式中,第一对比损失、第二对比损失、第三对比损失与第四对比损失均是通过infoNCE损失函数计算得到。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种图像检索装置的一个实施例,该装置实施例与图5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7所示,本实施例的图像检索装置700包括:第二获取模块701和检索模块702。其中,第二获取模块701,被配置成获取待检索图像;检索模块702,被配置成将待检索图像输入至预先训练的图像检索模型中,输出得到检索结果,其中,图像检索模型通过前述实施例所述的方法训练得到。
在本实施例中,图像检索装置700中:第二获取模块701和检索模块702的具体处理及其所带来的技术效果可分别参考图5对应实施例中的步骤501-502的相关说明,在此不再赘述。
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8示出了可以用来实施本公开的实施例的示例电子设备800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、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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如图像检索模型的训练方法或图像检索方法。例如,在一些实施例中,图像检索模型的训练方法或图像检索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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的图像检索模型的训练方法或图像检索方法的一个或多个步骤。备选地,在其他实施例中,计算单元801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检索模型的训练方法或图像检索方法。
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,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 (8)
1.一种图像检索模型的训练方法,包括:
获取训练图像集,其中,所述训练图像集中包括至少一个训练图像对,所述训练图像对包括第一图像和第二图像;
针对所述至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取所述第一图像的第一特征和所述第二图像的第二特征,并利用所述初始图像检索模型的第二编码器分别提取所述第一图像的第三特征和所述第二图像的第四特征;
基于所述第一特征与所述第三特征的第一对比损失以及所述第二特征与所述第四特征的第二对比损失更新所述初始图像检索模型的参数,得到训练完成的图像检索模型,其中,所述第一对比损失、所述第二对比损失均是通过infoNCE损失函数计算得到;
其中,所述基于所述第一特征与所述第三特征的第一对比损失以及所述第二特征与所述第四特征的第二对比损失更新所述初始图像检索模型的参数,包括:
基于所述第一特征与所述第三特征的第一对比损失以及所述第二特征与所述第四特征的第二对比损失,得到目标损失;
基于所述目标损失利用反向传播算法更新所述第一编码器的参数;
通过所述第一编码器的参数动量更新所述第二编码器的参数;
所述方法还包括:
分别计算所述第一特征与所述第四特征的第三对比损失以及所述第二特征与所述第三特征的第四对比损失,所述第三对比损失与所述第四对比损失均是通过infoNCE损失函数计算得到;以及
所述基于所述第一对比损失与所述第二对比损失得到目标损失,包括:
将所述第一对比损失、所述第二对比损失、所述第三对比损失与所述第四对比损失相加,得到所述目标损失。
2.根据权利要求1所述的方法,其中,所述训练图像对通过如下步骤得到:
获取初始图像集;
针对所述初始图像集中的每张图像,分别进行两种不同的数据增强,得到增强后的第一图像和第二图像;
将所述第一图像和所述第二图像作为一个训练图像对。
3.一种图像检索方法,包括:
获取待检索图像;
将所述待检索图像输入至预先训练的图像检索模型中,输出得到检索结果,其中,所述图像检索模型通过权利要求1-2中任一项所述的方法训练得到。
4.一种图像检索模型的训练装置,包括:
第一获取模块,被配置成获取训练图像集,其中,所述训练图像集中包括至少一个训练图像对,所述训练图像对包括第一图像和第二图像;
提取模块,被配置成针对所述至少一个训练图像对中的每个训练图像对,利用初始图像检索模型的第一编码器分别提取所述第一图像的第一特征和所述第二图像的第二特征,并利用所述初始图像检索模型的第二编码器分别提取所述第一图像的第三特征和所述第二图像的第四特征;
更新模块,被配置成基于所述第一特征与所述第三特征的第一对比损失以及所述第二特征与所述第四特征的第二对比损失更新所述初始图像检索模型的参数,得到训练完成的图像检索模型,其中,所述第一对比损失、所述第二对比损失均是通过infoNCE损失函数计算得到;
其中,所述更新模块包括:
得到子模块,被配置成基于所述第一特征与所述第三特征的第一对比损失以及所述第二特征与所述第四特征的第二对比损失,得到目标损失;
第一更新子模块,被配置成基于所述目标损失利用反向传播算法更新所述第一编码器的参数;
第二更新子模块,被配置成通过所述第一编码器的参数动量更新所述第二编码器的参数;
所述装置还包括:
第二计算子模块,被配置成分别计算所述第一特征与所述第四特征的第三对比损失以及所述第二特征与所述第三特征的第四对比损失,所述第三对比损失与所述第四对比损失均是通过infoNCE损失函数计算得到;以及
所述得到子模块包括:
相加单元,被配置成将所述第一对比损失、所述第二对比损失、所述第三对比损失与所述第四对比损失相加,得到所述目标损失。
5.根据权利要求4所述的装置,其中,所述训练图像对通过如下步骤得到:
获取初始图像集;
针对所述初始图像集中的每张图像,分别进行两种不同的数据增强,得到增强后的第一图像和第二图像;
将所述第一图像和所述第二图像作为一个训练图像对。
6.一种图像检索装置,包括:
第二获取模块,被配置成获取待检索图像;
检索模块,被配置成将所述待检索图像输入至预先训练的图像检索模型中,输出得到检索结果,其中,所述图像检索模型通过权利要求1-2中任一项所述的方法训练得到。
7.一种电子设备,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1-3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294832.5A CN114020950B (zh) | 2021-11-03 | 2021-11-03 | 图像检索模型的训练方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294832.5A CN114020950B (zh) | 2021-11-03 | 2021-11-03 | 图像检索模型的训练方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114020950A CN114020950A (zh) | 2022-02-08 |
CN114020950B true CN114020950B (zh) | 2023-04-28 |
Family
ID=80060229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111294832.5A Active CN114020950B (zh) | 2021-11-03 | 2021-11-03 | 图像检索模型的训练方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114020950B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724007A (zh) * | 2022-03-31 | 2022-07-08 | 北京百度网讯科技有限公司 | 训练分类模型、数据分类方法、装置、设备、介质及产品 |
CN114758130B (zh) * | 2022-04-21 | 2023-12-22 | 北京百度网讯科技有限公司 | 图像处理及模型训练方法、装置、设备和存储介质 |
CN115147680B (zh) * | 2022-06-30 | 2023-08-25 | 北京百度网讯科技有限公司 | 目标检测模型的预训练方法、装置以及设备 |
CN117077814A (zh) * | 2023-09-25 | 2023-11-17 | 北京百度网讯科技有限公司 | 图片检索模型的训练方法、图片检索方法及装置 |
CN118246493B (zh) * | 2024-05-27 | 2024-08-30 | 腾讯科技(深圳)有限公司 | 模型处理方法、装置、计算机设备、存储介质和程序产品 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379627A (zh) * | 2021-06-07 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像增强模型的训练方法和对图像进行增强的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10699407B2 (en) * | 2018-04-11 | 2020-06-30 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
CN111783870B (zh) * | 2020-06-29 | 2023-09-01 | 北京百度网讯科技有限公司 | 人体属性的识别方法、装置、设备及存储介质 |
CN112307883B (zh) * | 2020-07-31 | 2023-11-07 | 北京京东尚科信息技术有限公司 | 训练方法、装置、电子设备以及计算机可读存储介质 |
-
2021
- 2021-11-03 CN CN202111294832.5A patent/CN114020950B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379627A (zh) * | 2021-06-07 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像增强模型的训练方法和对图像进行增强的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114020950A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114020950B (zh) | 图像检索模型的训练方法、装置、设备以及存储介质 | |
CN113326764B (zh) | 训练图像识别模型和图像识别的方法和装置 | |
CN113343803B (zh) | 模型训练方法、装置、设备和存储介质 | |
CN113590858B (zh) | 目标对象的生成方法、装置、电子设备以及存储介质 | |
CN113901907A (zh) | 图文匹配模型训练方法、图文匹配方法及装置 | |
CN114693934B (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN113627536B (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN112580733B (zh) | 分类模型的训练方法、装置、设备以及存储介质 | |
CN117114063A (zh) | 用于训练生成式大语言模型和用于处理图像任务的方法 | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN113705362B (zh) | 图像检测模型的训练方法、装置、电子设备及存储介质 | |
CN115456167B (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
CN115147680B (zh) | 目标检测模型的预训练方法、装置以及设备 | |
CN113468857B (zh) | 风格转换模型的训练方法、装置、电子设备以及存储介质 | |
CN114494747A (zh) | 模型的训练方法、图像处理方法、装置、电子设备及介质 | |
CN113033408B (zh) | 数据队列动态更新方法、装置、电子设备及存储介质 | |
CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
CN117593608A (zh) | 图文识别大模型的训练方法、装置、设备以及存储介质 | |
CN117633621A (zh) | 开集分类模型的训练方法、装置、电子设备及存储介质 | |
CN116402914B (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
CN117391067A (zh) | 内容质检方法、装置、设备以及存储介质 | |
CN116257611B (zh) | 问答模型的训练方法、问答处理方法、装置及存储介质 | |
CN114758130B (zh) | 图像处理及模型训练方法、装置、设备和存储介质 | |
CN115170919B (zh) | 图像处理模型训练及图像处理方法、装置、设备和存储介质 | |
CN113361621B (zh) | 用于训练模型的方法和装置 |
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 |