CN116167433A - 用于训练图像特征提取模型的方法、图像识别方法及介质 - Google Patents

用于训练图像特征提取模型的方法、图像识别方法及介质 Download PDF

Info

Publication number
CN116167433A
CN116167433A CN202310188319.0A CN202310188319A CN116167433A CN 116167433 A CN116167433 A CN 116167433A CN 202310188319 A CN202310188319 A CN 202310188319A CN 116167433 A CN116167433 A CN 116167433A
Authority
CN
China
Prior art keywords
image
feature
unmasked
block
extraction model
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.)
Pending
Application number
CN202310188319.0A
Other languages
English (en)
Inventor
陈伟聪
赵妍
黄凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202310188319.0A priority Critical patent/CN116167433A/zh
Publication of CN116167433A publication Critical patent/CN116167433A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种用于训练图像特征提取模型的方法、图像识别方法及介质，涉及图像识别技术领域，在该方法中，初始图像特征提取模型基于第一图像编码特征、第一掩码图像块以及第二图像编码特征，获得第一重构图像。初始图像特征提取模型基于第二图像编码特征、第二掩码图像块以及第一图像编码特征，获得第二重构图像。然后基于第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数，并基于总损失函数，调整初始图像特征提取模型的参数，获得训练好的图像特征提取模型，从而在图像特征提取模型的训练阶段能够利用多模态的图像对该图像特征提取模型进行训练，使得训练好的图像特征提取模型的特征提取更加准确。

Description

用于训练图像特征提取模型的方法、图像识别方法及介质
技术领域
本公开涉及图像识别技术领域，具体地，涉及一种用于训练图像特征提取模型的方法、图像识别方法、装置、介质及电子设备。
背景技术
图像识别作为一种新兴的图像处理技术，其目的在于根据图像内容识别出图像中每一像素点的语义类别。在相关技术中，为了提高图像识别的准确率，一般会对模型进行预训练，虽然相关的预训练方法会使用多模态图像对模型进行训练，但是相关的多模态训练方法难以有效对模型进行训练，导致模型准确率较低。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种用于训练图像特征提取模型的方法，包括：
获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；
对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；
对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；
将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；
基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；
基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
第二方面，本公开提供一种图像识别方法，包括：
获取目标图像；
将所述目标图像输入根据第一方面所述的方法获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；
根据所述图像编码特征，获得所述目标图像的图像识别结果。
第三方面，本公开提供一种用于训练图像特征提取模型的装置，包括：
第一获取模块，配置为获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；
第一处理模块，配置为对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；
第二处理模块，配置为对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；
重构模块，配置为将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；
构建模块，配置为基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；
调整模块，配置为基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
第四方面，本公开提供一种图像识别装置，包括：
第二获取模块，配置为获取目标图像；
提取模块，配置为将所述目标图像输入根据第三方面所述的装置获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；
识别模块，配置为根据所述图像编码特征，获得所述目标图像的图像识别结果。
第五方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤，或者实现第二方面所述方法的步骤。
第六方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面所述方法的步骤，或者实现第二方面所述方法的步骤。
通过上述技术方案，初始图像特征提取模型基于第一未掩码图像块的第一图像编码特征、第一掩码图像块以及第二未掩码图像块的第二图像编码特征，获得第一重构图像。初始图像特征提取模型基于第二未掩码图像块的第二图像编码特征、第二掩码图像块以及第一未掩码图像块的第一图像编码特征，获得第二重构图像。然后基于第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数，并基于总损失函数，调整初始图像特征提取模型的参数，获得训练好的图像特征提取模型，从而在图像特征提取模型的训练阶段能够利用多模态的图像对该图像特征提取模型进行训练，使得训练好的图像特征提取模型的特征提取更加准确。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一些实施例示出的一种用于训练图像特征提取模型的方法的流程图。
图2是根据一些实施例示出的初始图像特征提取模型的结构示意图。
图3是根据一些实施例示出的一种图像识别方法的流程图。
图4是根据一些实施例示出的一种图像识别模型的结构示意图。
图5是根据一些实施例示出的一种用于训练图像特征提取模型的装置的结构示意图。
图6是根据一些实施例示出的一种图像识别装置的结构示意图。
图7是根据一些实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1是根据一些实施例示出的一种用于训练图像特征提取模型的方法的流程图。如图1所示，本公开实施例提供一种用于训练图像特征提取模型的方法，该方法可以通过电子设备执行，具体可以是通过一种用于训练图像特征提取模型的装置来执行，该装置可以由软件和/或硬件的方式实现，配置于电子设备中。如图1所示，该方法可以包括以下步骤。
在步骤110中，获取图像对，图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像。
这里，图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像。例如，第一图像可以是采用可见相机对场景进行拍摄获得的RGB(三原色)图像，第二图像则可以是利用激光雷达对该场景进行扫描获得的点云数据。又例如，第一图像可以是采用热成像相机对场景进行拍摄获得的红外图像，第二图像可以是采用可见相机对场景进行拍摄获得的RGB图像。还例如，第一图像可以是采用可见相机对场景进行拍摄获得的RGB图像，第二图像则可以是利用深度相机对该场景进行拍摄获得的深度图像。
在步骤120中，对第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块。
这里，对第一图像进行分块处理是指将第一图像划分为多个图像块。在得到多个图像块之后，可以随机对多个图像块中的部分图像块进行掩码处理，从而获得进行掩码处理后的第一掩码图像块以及未进行掩码处理的第一未掩码图像块。
值得说明的是，掩码处理是指对图像块中的图像特征进行屏蔽，则第一掩码图像块本质上是一个不可见图像块，而第一未掩码图像块则是一个可见图像块。
示例性地，在第一图像为点云数据的情况下，可以通过最远点采样算法在点云数据中采样多个中心点，并针对每一中心点，以该中心点为临近采样算法(KNN算法)的核心进行在点云数据中采样，获得该中心点对应的点云图像块，从而获得多个点云图像块。
在步骤130中，对第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块。
这里，对第一二图像进行分块处理是指将第二图像划分为多个图像块。在得到多个图像块之后，可以随机对多个图像块中的部分图像块进行掩码处理，从而获得进行掩码处理后的第二掩码图像块以及未进行掩码处理的第二未掩码图像块。
值得说明的是，掩码处理是指对图像块中的图像特征进行屏蔽，则第二掩码图像块本质上是一个不可见图像块，而第二未掩码图像块则是一个可见图像块。
示例地，在第二图像为RGB图像的情况下，可以将该RGB图像等分为多个图像块。
在步骤140中，将第一掩码图像块、第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中第一重构图像是基于第一未掩码图像块的第一图像编码特征、第一掩码图像块以及第二未掩码图像块的第二图像编码特征获得的，第二重构图像是基于第二未掩码图像块的第二图像编码特征、第二掩码图像块以及第一未掩码图像块的第一图像编码特征获得的。
这里，第一图像编码特征是初始图像特征提取模型基于编码器对第一未掩码图像块进行编码而获得的，第二图像编码特征是初始图像特征提取模型基于编码器对第二未掩码图像块进行编码而获得的。应当理解的是，关于第一图像编码特征和第二图像编码特征，将在后续实施例中进行详细说明。
在获得第一掩码图像块、第一未掩码图像块、第二掩码图像块以及第二未掩码图像块之后，将第一掩码图像块、第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型。
初始图像特征提取模型基于第一未掩码图像块的第一图像编码特征、第一掩码图像块以及第二未掩码图像块的第二图像编码特征，获得第一重构图像。其中，由于第一图像和第二图像是属于同一场景的图像，则初始图像特征提取模型会从第二未掩码图像块中提取有用信息，根据从第一未掩码图像块提取到的有用信息以及从第二未掩码图像块中提取到的有用信息，对第一掩码图像块进行重构，获得第一重构图像。
初始图像特征提取模型基于第二未掩码图像块的第二图像编码特征、第二掩码图像块以及第一未掩码图像块的第一图像编码特征，获得第二重构图像。其中，由于第一图像和第二图像是属于同一场景的图像，则初始图像特征提取模型会从第一未掩码图像块中提取有用信息，根据从第二未掩码图像块提取到的有用信息以及从第一未掩码图像块中提取到的有用信息，对第二掩码图像块进行重构，获得第二重构图像。
值得说明的是，由于之前对第一图像和第二图像中的部分图像块进行了随机的掩码处理，初始图像特征提取模型则是重建第一图像和第二图像中被掩码处理的图像块，获得第一重构图像和第二重构图像。
应当理解的是，在本公开实施例中，初始图像特征提取模型在对第一图像或第二图像进行重构时，会从另一图像中提取有用信息，使得在图像重构时，能够从第一图像和第二图像中捕捉到多模态特征之间的互补性，从而获得更准确的重构图像。
在步骤150中，基于第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数。
这里，可以基于第一重构图像以及第一图像之间的相似度，结合第一对比损失函数确定第二损失值。基于第二重构图像以及第二图像之间的相似度，结合第二对比损失函数确定第三损失值。然后基于第二损失值以及第三损失值构建总损失函数。
值得说明的是，在本公开实施例中，不对第一对比损失函数和第二对比损失函数进行限定，其可以是使用任意能够实现的损失函数，如均方误差损失函数。
在步骤160中，基于总损失函数，调整初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
这里，通过总损失函数，可以计算得到对应的总损失值，并基于该总损失值反向传播调整图像特征提取模型的参数，使得调整后的初始图像特征提取模型能够满足预设训练条件，获得训练好的图像特征提取模型。
值得说明的是，在本公开实施例中，可以利用给定的训练样本集合对初始图像特征提取模型进行不断训练，以使基于总损失函数计算到的总损失值能够达到最优解，即完成对初始图像特征提取模型的训练。其中，在该训练样本集合中包括多个图像对。
基于上述实施例，初始图像特征提取模型基于第一未掩码图像块的第一图像编码特征、第一掩码图像块以及第二未掩码图像块的第二图像编码特征，获得第一重构图像。初始图像特征提取模型基于第二未掩码图像块的第二图像编码特征、第二掩码图像块以及第一未掩码图像块的第一图像编码特征，获得第二重构图像。然后基于第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数，并基于总损失函数，调整初始图像特征提取模型的参数，获得训练好的图像特征提取模型，从而在图像特征提取模型的训练阶段能够利用多模态的图像对该图像特征提取模型进行训练，使得训练好的图像特征提取模型的特征提取更加准确。
图2是根据一些实施例示出的初始图像特征提取模型的结构示意图。如图2所示，在一些可以实现的实施方式中，初始图像特征提取模型包括依次连接的第一特征表示层、第一编码器以及第一解码器，依次连接的第二特征表示层、第二编码器以及第二解码器。
第一特征表示层用于，对第一未掩码图像块进行特征表示处理，获得第一未掩码图像块对应的第一特征表示；第一编码器用于，对第一特征表示进行编码，获得第一图像编码特征；第二特征表示层用于，对第二未掩码图像块进行特征表示处理，获得第二未掩码图像块对应的第二特征表示；第二编码器用于，对第二特征表示进行编码，获得第二图像编码特征；第一解码器，用于根据第一图像编码特征、第一掩码图像块以及第二图像编码特征，获得第一重构图像；第二解码器，用于根据第二图像编码特征、第二掩码图像块以及第一图像编码特征，获得第二重构图像。
其中，第一特征表示层可以是通过线性表示层将第一未掩码图像块映射到高维空间中，获得第一特征表示。第二特征表示层可以是通过线性表示层将第二未掩码图像块映射到高维空间中，获得第二特征表示。
示例性地，该第一特征表示层和该第二特征表示层可以是多层感知器。
第一编码器可以视作无监督的特征提取网络，通过第一编码器可以将第一特征表示编码为低维表示。第二编码器可以视作无监督的特征提取网络，通过第二编码器可以将第二特征表示编码为低维表示。值得说明的是，第一编码器和第二编码器是针对可见的图像块进行编码。
第一解码器接收第一编码器输出的第一图像编码特征、第二编码器输出的第二图像编码特征，并根据第一图像编码特征、第一掩码图像块以及第二图像编码特征，获得第一重构图像。其中，第一解码器实际上是利用第一图像中表示可见图像的第一图像编码特征以及第二图像中表示可见图像的第二图像编码特征，并且以第一掩码图像块作为第一解码器的可学习参数(监督信号)，对该可学习参数进行解码，来预测第一图像中被掩码的图像块，获得第一重构图像。通过第二图像编码特征，第一解码器可以从第二图像中提取到有用信息，以基于从第二图像中提取到的有用信息辅助重建第一图像中被掩码的图像块。
第二解码器接收第二编码器输出的第二图像编码特征、第一编码器输出的第一图像编码特征，并根据第一图像编码特征、第二掩码图像块以及第二图像编码特征，获得第二重构图像。其中，第二解码器实际上是利用第二图像中表示可见图像的第二图像编码特征以及第一图像中表示可见图像的第一图像编码特征，并且以第二掩码图像块作为第二解码器的可学习参数(监督信号)，对该可学习参数进行解码，来预测第二图像中被掩码的图像块，获得第二重构图像。通过第一图像编码特征，第二解码器可以从第一图像中提取到有用信息，以基于从第二图像中提取到的有用信息，辅助重建第二图像中被掩码的图像块。
值得说明的是，第一解码器和第二解码器可以是通过线性层等网络层来重构第一图像和第二图像的细节和相应的空间维度。例如，第一解码器和第二解码器可以采用Transformer(是一个利用注意力机制来获得上下文信息的模型)结构。
值得说明的是，初始图像特征提取模型中的第一解码器和第二解码器仅用于训练阶段，在后续的应用阶段是可以不需要第一解码器和第二解码器的。因此，第一解码器和第二解码器的网络结构可以根据实际情况选择，例如，使用加深网络结构的第一解码器和第二解码器可以将潜在表示表达为更抽象的语义信息，使用浅窄的网络结构的第一解码器和第二解码器可以使得第一解码器和第二解码器的速度更快。
由此，通过图2所示的初始图像特征提取模型，可以在训练阶段利用第一图像和第二图像的多模态特征，对初始图像特征提取模型进行更加有效的训练，从而获得全面有效的针对第一图像或第二图像的第一编码器和第二编码器。
在一些可以实现的实施方式中，步骤150中，可以基于第一图像编码特征、第二图像编码特征、第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数。
这里，第一图像编码特征是初始图像特征提取模型基于编码器对第一未掩码图像块进行编码而获得的。如图2所示，初始图像特征提取模型通过第一表示层将第一未掩码图像块处理为第一特征表示，并通过第一编码器将第一特征表示编码为第一图像编码特征。第二图像编码特征是初始图像特征提取模型基于编码器对第二未掩码图像块进行编码而获得的。如图2所示，初始图像特征提取模型通过第二表示层将第二未掩码图像块处理为第二特征表示，并通过第二编码器将第二特征表示编码为第二图像编码特征。
在一些实施例中，可以基于第一图像编码特征以及第二图像编码特征，确定第一损失值，基于第一重构图像以及第一图像，确定第二损失值，基于第二重构图像以及第二图像，确定第三损失值，基于第一损失值、第二损失值以及第三损失值，构建总损失函数。
其中，可以基于第一图像编码特征以及第二图像编码特征之间的余弦相似度，结合第三对比损失函数，计算第一损失值。在训练过程中，可以最大化相匹配的第一图像编码特征以及第二图像编码特征之间的余弦相似度，同时最小化未匹配的第一图像编码特征以及第二图像编码特征之间的余弦相似度。
示例性地，总损失函数可以是Loss总＝aLoss1+bLoss2+cLoss3，其中，Loss总为总损失函数的总损失值，Loss1为第一损失值，Loss2为第二损失值，Loss3为第三损失值，a、b、c分别为对应的损失权重，该a、b、c的取值可以为常数。
在一些实施例中，根据第一损失值与第一可学习参数之间的乘积、第二损失值与第二可学习参数之间的乘积以及第三损失值与第三可学习参数之间的乘积，构建总损失函数。
例如，总损失函数可以是Loss总＝W1Loss1+W2Loss2+W3Loss3，其中，Loss总为总损失函数的总损失值，Loss1为第一损失值，Loss2为第二损失值，Loss3为第三损失值，W1为第一可学习参数，W2为第二可学习参数，W3为第三可学习参数。
值得说明的是，第一可学习参数、第二可学习参数和第三可学习参数是会随着初始图像特征提取模型的参数的优化而不断进行优化的。在训练过程中，可以通过网格搜索的方式来组合第一损失值、第二损失值和第三损失值，通过第一可学习参数、第二可学习参数以及第三可学习参数，则可以减少网格搜索的空间范围，从而节省计算资源。
由此，通过上述总损失函数对初始图像特征提取模型的参数进行调整，可以使得初始图像特征提取模型的参数能够得到快速优化，获得训练好的准确的图像特征提取模型。
图3是根据一些实施例示出的一种图像识别方法的流程图。如图3所示，本公开实施例提供一种图像识别方法，该方法可以通过电子设备执行，具体可以是通过一种图像识别装置来执行，该装置可以由软件和/或硬件的方式实现，配置于电子设备中。如图3所示，该方法可以包括以下步骤。
在步骤310中，获取目标图像。
这里，目标图像可以是与上述实施例所述的第一图像或第二图像的类型一致的图像。当然，目标图像也可以是与上述实施例所述的图像对。例如，目标图像包括采用不同拍摄方式对同一场景进行拍摄得到的第三图像和第四图像。应当理解的是，第三图像和第四图像的含义与上述实施例中的第一图像和第二图像的含义是一致的，在此不再赘述。
在步骤320中，将目标图像对输入图像特征提取模型，获得目标图像对应的图像编码特征。
这里，图像特征提取模型是根据上述实施例提供的用于训练图像特征提取模型的方法进行训练获得的。
作为一些示例，在目标图像为与上述实施例所示的第一图像的类型一致的图像时，图像特征提取模型可以包括依次连接的第一特征表示层和第一编码器。
其中，图像识别方法中的图像特征提取模型的第一特征表示层和第一编码器可以是基于上述实施例提供的用于训练图像特征提取模型的方法进行训练获得的。将目标图像输入图像特征提取模型，图像特征提取模型通过第一特征表示层将目标图像处理为目标特征表示，并通过第一编码器将目标特征表示处理为图像编码特征。
作为又一些示例，在目标图像为与上述实施例所示的第二图像的类型一致的图像时，图像特征提取模型可以包括依次连接的第二特征表示层和第二编码器。
其中，图像识别方法中的图像特征提取模型的第二特征表示层和第二编码器可以是基于上述实施例提供的用于训练图像特征提取模型的方法进行训练获得的。将目标图像输入图像特征提取模型，图像特征提取模型通过第二特征表示层将目标图像处理为目标特征表示，并通过第二编码器将目标特征表示处理为图像编码特征。
作为另一些示例，在目标图像包括第三图像和第四图像时，图像特征提取模型可以包括依次连接的第一特征表示层和第一编码器以及依次连接的第二特征表示层和第二编码器。
其中，图像识别方法中的图像特征提取模型的第一特征表示层、第一编码器、第二特征表示层以及第二编码器可以是基于上述实施例提供的用于训练图像特征提取模型的方法进行训练获得的。通过将目标图像输入图像特征提取模型，图像特征提取模型通过第一特征表示层将第三图像处理为第一目标特征表示，并通过第一编码器将第一目标特征表示处理为第三图像编码特征。图像特征提取模型通过第二特征表示层将第四图像处理为第二目标特征表示，并通过第二编码器将第二目标特征表示处理为第四图像编码特征。第三图像编码特征和第四图像编码特征即为目标图像的图像编码特征。
在步骤330中，根据图像编码特征，获得目标图像的图像识别结果。
这里，在获得图像编码特征之后，可以根据该图像编码特征确定目标图像的图像识别结果。其中，图像识别结果包括目标图像中的物体的语义类别以及该语义类别对应的概率。
作为一些示例，在目标图像为与上述实施例所示的第一图像的类型一致的图像时，则可以将该目标图像对应的目标图像编码特征输入预测层，获得图像识别结果。其中，预测层基于目标图像编码特征来预测目标图像的图像识别结果。示例性地，预测层可以为BP(Back Propagation，反向传播)层。
作为又一些示例，在目标图像为与上述实施例所示的第二图像的类型一致的图像时，则可以将该目标图像对应的目标图像编码特征输入预测层，获得图像识别结果。其中，预测层基于目标图像编码特征来预测目标图像的图像识别结果。示例性地，预测层可以为BP(Back Propagation，反向传播)层。
作为另一些示例，在目标图像包括第三图像和第四图像时，可以将第三图像编码特征和第四图像编码特征输入融合层，获得融合特征，并将该融合特征输入预测层，获得该目标图像的图像识别结果。其中，融合层可以用于将第三图像编码特征和第四图像编码特征拼接为融合特征，预测层基于融合特征来预测目标图像的图像识别结果。
图4是根据一些实施例示出的一种图像识别模型的结构示意图。本公开实施例提供的一种图像识别方法可以通过图4所示的图像识别模型来实现。如图4所示，在目标图像包括第三图像和第四图像的情况下，该图像识别模型可以包括第一图像特征提取模型410、第二图像特征提取模型420、融合层430以及预测层440。
第一图像特征提取模型410可以包括依次连接的第一特征表示层411和第一编码器412，第二图像特征提取模型420可以包括依次连接的第二特征表示层421和第二编码器422。值得说明的是，图4所示的第一特征表示层411、第一编码器412、第二特征表示层421和第二编码器422可以是基于上述用于训练图像特征提取模型的方法来获得的。
将第三图像输入第一特征表示层411，第一特征表示层411将第三图像处理为第三特征表示，第一编码器412将第三特征表示编码为第三图像编码特征。将第四图像输入第二特征表示层421，第二特征表示层421将第四图像处理为第四特征表示，第二编码器422将第四特征表示编码为第四图像编码特征。融合层430则用于融合第三图像编码特征和第四图像编码特征，获得融合特征。预测层440则用于根据融合层430输出的融合特征获得图像识别结果。
由此，基于上述用于训练图像特征提取模型的方法获得的图像特征提取模型，能够从目标图像中提取到准确的图像特征，从而获得准确的图像识别结果。
图5是根据一些实施例示出的一种用于训练图像特征提取模型的装置的结构示意图。如图5所示，用于训练图像特征提取模型的装置500包括：
第一获取模块501，配置为获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；
第一处理模块502，配置为对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；
第二处理模块503，配置为对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；
重构模块504，配置为将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；
构建模块505，配置为基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；
调整模块506，配置为基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
可选地，所述构建模块505具体配置为：
基于所述第一图像编码特征、所述第二图像编码特征、所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建所述总损失函数。
可选地，所述构建模块505具体配置为：
基于所述第一图像编码特征以及所述第二图像编码特征，确定第一损失值；
基于所述第一重构图像以及所述第一图像，确定第二损失值；
基于所述第二重构图像以及所述第二图像，确定第三损失值；
基于所述第一损失值、所述第二损失值以及所述第三损失值，构建所述总损失函数。
可选地，所述构建模块505具体配置为：
根据所述第一损失值与第一可学习参数之间的乘积、所述第二损失值与第二可学习参数之间的乘积以及所述第三损失值与第三可学习参数之间的乘积，构建所述总损失函数。
可选地，所述初始图像特征提取模型包括依次连接的第一特征表示层、第一编码器以及第一解码器，依次连接的第二特征表示层、第二编码器以及第二解码器；
所述第一特征表示层用于，对所述第一未掩码图像块进行特征表示处理，获得所述第一未掩码图像块对应的第一特征表示；
所述第一编码器用于，对所述第一特征表示进行编码，获得所述第一图像编码特征；
所述第二特征表示层用于，对所述第二未掩码图像块进行特征表示处理，获得所述第二未掩码图像块对应的第二特征表示；
所述第二编码器用于，对所述第二特征表示进行编码，获得所述第二图像编码特征；
所述第一解码器，用于根据所述第一图像编码特征、所述第一掩码图像块以及所述第二图像编码特征，获得所述第一重构图像；
所述第二解码器，用于根据所述第二图像编码特征、所述第二掩码图像块以及所述第一图像编码特征，获得所述第二重构图像。
关于上述装置500中的各个功能模块执行的功能逻辑已经在关于方法的部分进行了详细说明，在此不再赘述。
图6是根据一些实施例示出的一种图像识别装置的结构示意图。如图6所示，图像识别装置600包括：
第二获取模块601，配置为获取目标图像；
提取模块602，配置为将所述目标图像输入根据权利要求7所述的装置获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；
识别模块603，配置为根据所述图像编码特征，获得所述目标图像的图像识别结果。
关于上述装置600中的各个功能模块执行的功能逻辑已经在关于方法的部分进行了详细说明，在此不再赘述。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置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。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，电子设备可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标图像；将所述目标图像输入根据上述实施例所述的用于训练图像特征提取模型的方法获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；根据所述图像编码特征，获得所述目标图像的图像识别结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种用于训练图像特征提取模型的方法，其特征在于，包括：
获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；
对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；
对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；
将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；
基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；
基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数，包括：
基于所述第一图像编码特征、所述第二图像编码特征、所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建所述总损失函数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一图像编码特征、所述第二图像编码特征、所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建所述总损失函数，包括：
基于所述第一图像编码特征以及所述第二图像编码特征，确定第一损失值；
基于所述第一重构图像以及所述第一图像，确定第二损失值；
基于所述第二重构图像以及所述第二图像，确定第三损失值；
基于所述第一损失值、所述第二损失值以及所述第三损失值，构建所述总损失函数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失值、所述第二损失值以及所述第三损失值，构建所述总损失函数，包括：
根据所述第一损失值与第一可学习参数之间的乘积、所述第二损失值与第二可学习参数之间的乘积以及所述第三损失值与第三可学习参数之间的乘积，构建所述总损失函数。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述初始图像特征提取模型包括依次连接的第一特征表示层、第一编码器以及第一解码器，依次连接的第二特征表示层、第二编码器以及第二解码器；
所述第一特征表示层用于，对所述第一未掩码图像块进行特征表示处理，获得所述第一未掩码图像块对应的第一特征表示；
所述第一编码器用于，对所述第一特征表示进行编码，获得所述第一图像编码特征；
所述第二特征表示层用于，对所述第二未掩码图像块进行特征表示处理，获得所述第二未掩码图像块对应的第二特征表示；
所述第二编码器用于，对所述第二特征表示进行编码，获得所述第二图像编码特征；
所述第一解码器，用于根据所述第一图像编码特征、所述第一掩码图像块以及所述第二图像编码特征，获得所述第一重构图像；
所述第二解码器，用于根据所述第二图像编码特征、所述第二掩码图像块以及所述第一图像编码特征，获得所述第二重构图像。
6.一种图像识别方法，其特征在于，包括：
获取目标图像；
将所述目标图像输入根据权利要求1所述的方法获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；
根据所述图像编码特征，获得所述目标图像的图像识别结果。
7.一种用于训练图像特征提取模型的装置，其特征在于，包括：
第一获取模块，配置为获取图像对，所述图像对包括采用不同拍摄方式对同一场景进行拍摄得到的第一图像和第二图像；
第一处理模块，配置为对所述第一图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第一掩码图像块以及第一未掩码图像块；
第二处理模块，配置为对所述第二图像进行分块处理，并对分块后的多个图像块中的部分图像块进行掩码处理，获得第二掩码图像块以及第二未掩码图像块；
重构模块，配置为将所述第一掩码图像块、所述第一未掩码图像块、第二掩码图像块以及第二未掩码图像块输入初始图像特征提取模型，获得所述初始图像特征提取模型输出的第一重构图像以及第二重构图像，其中所述第一重构图像是基于所述第一未掩码图像块的第一图像编码特征、所述第一掩码图像块以及所述第二未掩码图像块的第二图像编码特征获得的，所述第二重构图像是基于所述第二未掩码图像块的第二图像编码特征、所述第二掩码图像块以及所述第一未掩码图像块的第一图像编码特征获得的；
构建模块，配置为基于所述第一重构图像、所述第二重构图像、所述第一图像以及所述第二图像，构建总损失函数；
调整模块，配置为基于所述总损失函数，调整所述初始图像特征提取模型的参数，获得训练好的图像特征提取模型。
8.一种图像识别装置，其特征在于，包括：
第二获取模块，配置为获取目标图像；
提取模块，配置为将所述目标图像输入根据权利要求7所述的装置获得的图像特征提取模型，获得所述目标图像对应的图像编码特征；
识别模块，配置为根据所述图像编码特征，获得所述目标图像的图像识别结果。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1至5中任一项所述方法的步骤，或者实现权利要求6所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1至5中任一项所述方法的步骤，或者实现权利要求6所述方法的步骤。
CN202310188319.0A 2023-02-22 2023-02-22 用于训练图像特征提取模型的方法、图像识别方法及介质 Pending CN116167433A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310188319.0A CN116167433A (zh) 2023-02-22 2023-02-22 用于训练图像特征提取模型的方法、图像识别方法及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310188319.0A CN116167433A (zh) 2023-02-22 2023-02-22 用于训练图像特征提取模型的方法、图像识别方法及介质

Publications (1)

Publication Number Publication Date
CN116167433A true CN116167433A (zh) 2023-05-26

Family

ID=86413053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310188319.0A Pending CN116167433A (zh) 2023-02-22 2023-02-22 用于训练图像特征提取模型的方法、图像识别方法及介质

Country Status (1)

Country Link
CN (1) CN116167433A (zh)

Similar Documents

Publication Publication Date Title
CN113190872B (zh) 数据保护方法、网络结构训练方法、装置、介质及设备
CN113449070A (zh) 多模态数据检索方法、装置、介质及电子设备
CN116166271A (zh) 代码生成方法、装置、存储介质及电子设备
CN116310582A (zh) 分类模型训练方法、图像分类方法、装置、介质及设备
CN115546487A (zh) 图像模型训练方法、装置、介质及电子设备
CN115270981A (zh) 对象处理方法、装置、可读介质及电子设备
CN116340632A (zh) 对象推荐方法、装置、介质及电子设备
CN110852242A (zh) 基于多尺度网络的水印识别方法、装置、设备及存储介质
CN116306981A (zh) 策略确定方法、装置、介质及电子设备
CN116167433A (zh) 用于训练图像特征提取模型的方法、图像识别方法及介质
CN112070888B (zh) 图像生成方法、装置、设备和计算机可读介质
CN111626044B (zh) 文本生成方法、装置、电子设备及计算机可读存储介质
CN115103191A (zh) 图像处理方法、装置、设备及存储介质
CN111737575B (zh) 内容分发方法、装置、可读介质及电子设备
CN114693814B (zh) 模型的解码方法、文本识别方法、装置、介质及设备
CN115938470B (zh) 蛋白质特征预处理方法、装置、介质及设备
CN115240042B (zh) 多模态图像识别方法、装置、可读介质和电子设备
CN115345931B (zh) 物体姿态关键点信息生成方法、装置、电子设备和介质
CN111933122B (zh) 语音识别方法、装置、电子设备和计算机可读介质
CN114359673B (zh) 基于度量学习的小样本烟雾检测方法、装置和设备
CN116934557B (zh) 行为预测信息生成方法、装置、电子设备和可读介质
CN116343905B (zh) 蛋白质特征的预处理方法、装置、介质及设备
CN116342721A (zh) 图像压缩方法、装置、设备及存储介质
CN116342451A (zh) 图像处理方法、装置、设备及存储介质
CN116071224A (zh) 图像转换模型训练方法、图像转换方法和装置

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