(19)中华 人民共和国 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 202111646238.8 (22)申请日 2021.12.3 0 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 王文安　朱树磊　殷俊　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 代理人 任嘉文 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06V 40/16(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/40(2022.01) (54)发明名称 目标识别模型训练、 目标识别方法及装置 (57)摘要 本申请公开了一种目标识别模 型训练、 目标 识别方法及装置， 用以降低目标识别模型训练的 复杂度并提高训练效率， 以及增加图像训练样本 的多样性和利用率， 从而降低训练成本， 提高目 标识别的准确性和鲁棒性。 本申请提供的特征提 取网络的训练方法中， 所述特征提取网络用于对 图像的特征进行提取， 所述方法包括： 利用训练 中的特征提取网络对原始图像进行特征提取， 得 到图像特征； 利用图像生 成网络对所述图像特征 进行图像重构， 得到重构图像； 基于所述重构图 像和所述原始图像 之间的差异信息， 调整所述训 练中的特征提取网络的网络参数， 得到训练后的 特征提取网络 。 权利要求书2页 说明书14页 附图4页 CN 114358249 A 2022.04.15 CN 114358249 A 1.一种特征提取网络的训练方法， 其特征在于， 所述特征提取网络用于对图像的特征 进行提取， 所述方法包括： 利用训练中的特 征提取网络对原 始图像进行 特征提取， 得到图像特 征； 利用图像生成网络对所述图像特 征进行图像重构， 得到 重构图像； 基于所述重构图像和所述原始图像之间的差异信 息， 调整所述训练中的特征提取网络 的网络参数， 得到训练后的特 征提取网络 。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于所述重构图像和所述原始图像之间的差异信 息， 调整所述图像生成网络的网络参 数。 3.根据权利要求1所述的方法， 其特征在于， 基于所述重构图像和所述原始图像之间的 差异信息， 调整所述训练中的特征提取网络的网络参数， 得到训练后的特征提取网络， 具体 包括： 利用判别网络对所述重构图像和所述原始图像进行图像类型的识别， 并确定判别损失 值； 交替执行下列两个步骤或者仅执 行其中的步骤A： 步骤A： 利用所述判别损失值和所述差异信 息， 对所述训练中的特征提取网络的网络参 数和所述图像生成网络的网络参数进行调整； 步骤B： 利用所述判别损失值， 对所述判别网络的网络参数进行调整。 4.一种目标识别模型的训练方法， 其特征在于， 所述目标识别模型包括目标识别子网 络和基于权利要求1 ‑3任一项所述方法获得的特征提取网络， 所述目标识别模型的训练方 法包括： 输入包含标注信息的训练图像； 利用所述训练图像对所述目标识别子网络进行训练， 得到训练后的目标识别模型。 5.根据权利要求4所述的方法， 其特征在于， 利用所述训练图像对所述目标识别子网络 进行训练， 具体包括： 利用所述特征提取网络对所述训练图像进行特征提取， 得到所述训练图像对应的图像 特征； 利用所述目标识别子网络对所述训练图像对应的图像特征预测分类标签， 并利用预测 的分类标签和所述训练图像的标注信息， 确定分类损失值； 基于所述分类损失值， 至少对所述目标识别子网络的网络参数进行调整。 6.根据权利要求5所述的方法， 其特征在于， 基于所述分类损 失值， 至少对所述目标识 别子网络的网络参数进行调整， 具体包括： 利用所述分类损失值， 以及重构损失值和/或判别损失值， 确定综合损失值； 利用所述综合损失值， 至少对所述目标识别子网络的网络参数进行调整； 其中， 所述重构损失值是采用如下方式确定的： 利用基于权利要求2或3所述方法处理 后的图像生成网络， 对所述训练图像对应的图像特征进行图像重构， 得到所述训练图像对 应的重构图像； 基于所述训练图像对应的重构图像和所述训练图像之间的差异信息， 确定 重构损失值； 所述判别损 失值是采用 如下方式确定的： 利用基于权利要求3所述方法处理后的判别权　利　要　求　书 1/2 页 2 CN 114358249 A 2网络， 对所述训练图像对应的重构图像和所述训练图像进行图像类型 的识别， 并确定所述 训练图像对应的判别损失值。 7.根据权利要求6所述的方法， 其特征在于， 利用所述综合损 失值， 至少对所述目标识 别子网络的网络参数进行调整， 具体包括： 利用所述综合损失值， 对所述目标识别子网络和所述特征提取网络的网络参数进行调 整。 8.根据权利要求6所述的方法， 其特征在于， 利用所述综合损 失值， 至少对所述目标识 别子网络的网络参数进行调整， 具体包括： 利用所述综合损 失值， 对所述目标识别子网络的网络参数进行调整， 当满足预设条件 时， 重新确定所述综合损失值， 并利用重新确定的综合损失值， 对所述目标识别子网络和所 述特征提取网络的网络参数进行调整。 9.一种目标识别方法， 其特 征在于， 包括： 将待识别图像输入基于 权利要求1 ‑3任一项所述方法获得的特 征提取网络； 利用所述特征提取网络对所述待识别图像进行特征提取， 得到图像特征并输出给目标 识别子网络； 通过所述目标识别子网络对输入的图像特征进行识别， 确定所述待识别图像的目标识 别结果。 10.一种目标识别方法， 其特 征在于， 包括： 将待识别图像输入基于 权利要求 4‑8任一项所述方法获得的目标识别模型； 利用所述目标识别模型中的特征提取网络对所述待识别图像进行特征提取， 得到图像 特征并输出 给所述目标识别模型中的目标识别子网络； 通过所述目标识别模型中的目标识别子网络对输入的图像特征进行识别， 确定所述待 识别图像的目标识别结果。 11.一种计算设备， 其特 征在于， 包括： 存储器， 用于存 储程序指令； 处理器， 用于调用所述存储器 中存储的程序指令， 按照获得的程序 执行权利要求1至10 任一项所述的方法。 12.一种用于计算机的计算机程序产品， 其特征在于， 包括软件代码部分， 当所述产品 在所述计算机上运行时， 所述软件代码部分用于执行根据权利要求1至10中任一项所述的 方法。 13.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可执行指令用于使所述计算机执行权利要求1至10任一项所述的方 法。权　利　要　求　书 2/2 页 3 CN 114358249 A 3