(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654018.X (22)申请日 2021.12.3 0 (71)申请人 深圳云天励飞技 术股份有限公司 地址 518000 广东省深圳市龙岗区园山 街 道龙岗大道8288号深圳大运软件小镇 17栋1楼 (72)发明人 何烨林　魏新明　肖嵘　王孝宇　 (74)专利代理 机构 深圳驿航知识产权代理事务 所(普通合伙) 44605 专利代理师 杨伦 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/56(2022.01)G06V 10/54(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 模型训练方法、 装置、 电子设备及存 储介质 (57)摘要 本发明公开了一种模型训练方法、 装置、 电 子设备及存储介质， 该模型训练方法包括： 对特 征图进行池化处理， 以得到目标特征向量； 其中， 所述特征图为多张人体样本图片在特征提取网 络模型进行特征提取得到； 根据所述目标特征向 量， 确定出所述多张人体样本图片 对应的分类类 别； 根据所述分类类别计算所述多张人体样本图 片对应的标签类别的损失值， 以根据所述损失值 对所述特征提取网络模型进行训练； 其中， 所述 标签类别用于作为标注以指向对应的所述人体 样本图片。 由此增强了模型的表达能力， 提升了 人体重识别时的准确率。 权利要求书2页 说明书9页 附图7页 CN 114445691 A 2022.05.06 CN 114445691 A 1.一种模型训练方法， 其特 征在于， 包括： 对特征图进行池化处理， 以得到目标特征向量； 其中， 所述特征图为多张人体样本图片 在特征提取网络模型进行 特征提取得到； 根据所述目标 特征向量， 确定出 所述多张人体样本图片对应的分类 类别； 根据所述分类类别计算所述多 张人体样本图片对应的标签类别的损失值， 以根据 所述 损失值对所述特征提取网络模型进行训练； 其中， 所述标签类别用于作为标注以指向对应 的所述人体样本图片。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述对特征图进行池化处理， 以 得到目标 特征向量包括： 将所述特 征图分割为多个 像素点区域； 分别对每 个像素点区域进行广义平均计算， 得到每 个像素点区域对应的广义平均值； 将所述多个 像素点区域对应的广义平均值进行组合， 得到所述目标 特征向量。 3.根据权利要求1所述的模型训练方法， 其特征在于， 所述根据 所述分类类别计算所述 多张人体样本图片对应的标签类别的损失值， 以根据所述损失值对所述特征提取网络模型 进行训练包括： 判断所述多 张人体样本图片在所述特征提取网络模型的训练次数， 每一 次训练迭代包 括固定数量的批次图片； 当所述训练次数为奇数时， 从所述特征提取网络模型的训练集中确定出多 张第一批次 图片； 其中， 所述多张第一批次图片为所述训练集中随机抽取 得到； 根据第一损失函数和第二损失函数计算所述多张第一批次图片对应的第一损失值； 根据所述第一损失值对所述特 征提取网络模型进行参数 更新。 4.根据权利要求3所述的模型训练方法， 其特征在于， 所述标签类别包括对应的人体身 份标签； 所述根据 所述分类类别计算所述多张人体样本图片对应的标签类别的损失值， 以根据 所述损失值对所述特 征提取网络模型进行训练， 还 包括： 当所述训练次数为偶数时， 从所述特征提取网络模型的训练集中确定出多 张第二批次 图片； 其中， 所述多张第二批次图片为所述训练集中多个不同的所述人体身份标签对应的 图片； 根据所述第二损失函数和第三损失函数计算所述多张第二批次图片对应的第二损失 值； 根据所述第二损失值对所述特 征提取网络模型进行参数 更新。 5.根据权利要求1所述的模型训练方法， 其特 征在于， 所述方法还 包括： 在所述多 张人体样本图片输入所述特征提取网络模型进行首次训练后， 计算所述特征 提取网络模型的训练集中人体样本图片的特 征幅值； 判断每张所述人体样本图片对应的特 征幅值是否满足预设条件； 当所述人体样本图片为满足预设条件的第 一类人体样本图片时， 将所述第 一类人体样 本图片删除； 当所述人体样本图片为不满足预设条件的第 二类人体样本图片时， 保留所述第 二类人 体样本图片， 并在下一轮训练过程中重新输入所述特 征提取网络模型以进行训练。权　利　要　求　书 1/2 页 2 CN 114445691 A 26.根据权利要求1所述的模型训练方法， 其特 征在于， 所述方法还 包括： 获取图像采集设备采集的场景图片； 对所述场景图片进行检测， 以确定出 所述场景图片中的人体坐标区域； 将所述人体坐标区域进行裁 剪， 以得到所述人体样本图片； 将所述人体样本图片输入数据库以构建成图像底库。 7.根据权利要求6所述的模型训练方法， 其特 征在于， 所述方法还 包括： 根据输入的待检索图片确定出与所述待检索图片对应的参 考特征向量； 在所述图像底库中查询与所述 参考特征向量对应的多个目标 特征向量； 计算参考特征向量和所述多个目标 特征向量之间的特 征相似度； 根据所述特 征相似度确定出与所述待检索图片的对应人体样本图片。 8.一种模型训练装置， 其特 征在于， 包括： 池化模块， 用于对特征图进行池化处理， 以得到目标特征向量； 其中， 所述特征图为多 张人体样本图片在特 征提取网络模型进行 特征提取得到； 确定模块， 用于根据所述目标特征向量， 确定出所述多张人体样本 图片对应的分类类 别； 计算模块， 用于根据 所述分类类别计算所述多 张人体样本图片对应的标签类别的损失 值， 以及训练模块， 用于根据所述损失值对所述特征提取网络模型进行训练； 其中， 所述标 签类别用于作为标注以指向对应的所述人体样本图片。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 任一项所述的模型训练方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的模型训练方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114445691 A 3