(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 202210685058.9 (22)申请日 2022.06.15 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 徐富荣　程远　张伟　王萌　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 陈霁　周良玉 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 网络模型的训练、 图像特征的确定方法及装 置 (57)摘要 本说明书实施例提供了一种网络模型的训 练、 图像特征的确定方法及装置。 网络模型包括 特征提取网络和分类器。 在训练网络模型时， 获 取待训练的第一图像和对应的标注标签， 利用特 征提取网络提取第一图像的第一特征， 对第一特 征包含的特征元素进行映射， 得到第一图像的伪 哈希特征， 该伪哈希特征中的特征元素的取值在 两个预设数值之间； 接着， 利用伪哈希特征和分 类器确定第一图像的预测概率， 基于预测概率与 标注标签之间的差异， 确定预测损失， 利用该预 测损失， 对网络模型进行 更新。 权利要求书3页 说明书12页 附图3页 CN 115035314 A 2022.09.09 CN 115035314 A 1.一种网络模型的训练方法， 所述网络模型包括特征提取网络和分类器， 所述方法包 括： 获取待训练的第一图像和对应的标注标签； 利用所述特 征提取网络， 提取 所述第一图像的第一特 征； 对所述第一特征包含的特征元素进行映射， 得到所述第一图像的伪哈希特征； 所述伪 哈希特征中的特 征元素的取值在两个预设数值之间； 利用所述伪哈希特 征和所述分类 器， 确定所述第一图像的预测概 率； 基于所述预测概 率与所述标注标签之间的差异， 确定预测损失； 利用所述预测损失， 对所述网络模型进行 更新。 2.根据权利要求1所述的方法， 所述对所述第 一特征包含的特征元素进行映射的步骤， 包括： 对所述第一特 征进行降维， 得到降维特 征； 对所述降维特 征包含的特征元素进行映射， 得到所述第一图像的伪哈希特 征。 3.根据权利要求1所述的方法， 所述对所述第 一特征包含的特征元素进行映射的步骤， 包括： 将所述第一特征包含的特征元素输入第 一预设函数， 得到所述伪哈希特征中的特征元 素； 所述第一预设函数的值 域为所述两个预设数值之间的范围。 4.根据权利要求1所述的方法， 所述利用所述伪哈希特征和所述分类器， 确定所述第 一 图像的预测概 率的步骤， 包括： 基于所述伪哈希特征与所述分类器中的多个类别参数之间的运算， 确定所述第 一图像 针对多个 类别的预测概 率。 5.根据权利要求4所述的方法， 所述确定所述第一图像针对多个类别的预测概率的步 骤， 包括： 对所述分类器中的多个类别参数进行映射， 得到多个映射类别参数； 所述映射类别参 数中的特 征元素的取值在所述两个预设数值之间； 基于所述伪哈希特征与所述多个映射类别参数之间的运算， 确定所述第 一图像针对多 个类别的预测概 率。 6.根据权利要求4所述的方法， 所述确定所述第一图像针对多个类别的预测概率的步 骤， 包括： 对所述伪哈希特征进行映射， 得到映射特征； 所述映射特征中包含的特征元素的取值 范围大于所述两个预设数值之间的范围； 基于所述映射特征与 所述分类器中的多个类别参数之间的运算， 确定所述第 一图像针 对多个类别的预测概 率。 7.根据权利要求6所述的方法， 所述对所述伪哈希特 征进行映射的步骤， 包括： 将所述伪哈希特征包含的特征元素输入第 二预设函数， 得到所述映射特征中的特征元 素； 所述第二预设函数的值 域大于所述两个预设数值之间的范围。 8.根据权利要求1所述的方法， 所述基于所述预测概率与 所述标注标签之间的差异， 确 定预测损失的步骤， 包括： 基于所述预测概 率与所述标注标签之间的差异， 确定第一损失；权　利　要　求　书 1/3 页 2 CN 115035314 A 2基于所述伪哈希特 征与所述两个数值之间的差异， 确定第二损失； 基于所述第一特 征对应的预测概 率与所述标注标签之间的差异， 确定第三损失； 基于所述第一损失、 所述第二损失和所述第三损失， 确定预测损失。 9.根据权利要求1所述的方法， 所述两个预设数值包括1和 ‑1。 10.一种图像特 征的确定方法， 包括： 获取待确定特 征的第二图像； 获取采用权利要求1的方法训练后的特 征提取网络； 利用所述特 征提取网络， 提取 所述第二图像的第二特 征； 对所述第二特征包含的特征元素进行映射， 得到所述第二图像的伪哈希特征； 所述伪 哈希特征中的特 征元素的取值在两个预设数值之间； 基于所述伪哈希特 征确定所述第二图像的图像特 征。 11.根据权利要求10所述的方法， 所述基于所述伪哈希特征确定所述第二图像的图像 特征的步骤， 包括： 利用第一阈值， 对所述伪哈希特征中的特征元素进行截断， 得到哈希特征； 其中， 所述 哈希特征中的特 征元素的取值 为所述两个预设数值中的任意 一个； 基于所述哈希特 征确定所述第二图像的图像特 征。 12.根据权利要求10所述的方法， 还 包括： 将所述第二图像的图像特 征与图像数据库中多个图像的图像特 征进行匹配； 基于匹配结果， 从所述图像数据库中确定与所述第二图像匹配的图像信息 。 13.一种网络模型的训练装置， 所述网络模型包括特征提取网络和分类器， 所述装置包 括： 第一获取模块， 配置为获取待训练的第一图像和对应的标注标签； 第一提取模块， 配置为利用所述特 征提取网络， 提取 所述第一图像的第一特 征； 第一映射模块， 配置为对所述第一特征包含的特征元素进行映射， 得到所述第一图像 的伪哈希特 征； 所述伪哈希特 征中的特 征元素的取值在两个预设数值之间； 第一分类模块， 配置为利用所述伪哈希特征和所述分类器， 确定所述第一图像的预测 概率； 第一损失模块， 配置为基于所述预测概 率与所述标注标签之间的差异， 确定预测损失； 第一更新模块， 配置为利用所述预测损失， 对所述网络模型进行 更新。 14.一种图像特 征的确定装置， 包括： 第二获取模块， 配置为获取待确定特 征的第二图像； 第三获取模块， 配置为获取采用权利要求1的方法训练后的特 征提取网络； 第二提取模块， 配置为利用所述特 征提取网络， 提取 所述第二图像的第二特 征； 第二映射模块， 配置为对所述第二特征包含的特征元素进行映射， 得到所述第二图像 的伪哈希特 征； 所述伪哈希特 征中的特 征元素的取值在两个预设数值之间； 第一确定模块， 配置为基于所述伪哈希特 征确定所述第二图像的图像特 征。 15.一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算机程序在计算机中 执行时， 令计算机执 行权利要求1 ‑12中任一项所述的方法。 16.一种计算设备， 包括存储器和 处理器， 所述存储器中存储有可执行代码， 所述处理权　利　要　求　书 2/3 页 3 CN 115035314 A 3