(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 202210262876.8 (22)申请日 2022.03.17 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 张博深　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈梅君 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/40(2022.01) G06V 10/80(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 模型优化方法、 装置、 设备、 存储介质及计算 机程序产品 (57)摘要 本申请实施例公开了一种模 型优化方法、 装 置、 设备、 存储介质及计算机程序产品， 其中模型 优化方法包括： 分别按照一个或多个损失值计算 指标所对应的图像处理任务对训练图像进行图 像处理， 得到训练图像在每个损失值计算指标下 的一个或多个图像； 分别调用图像预测模型对每 个损失值计算指标下的各个图像进行特征提取， 得到每个损失值计算指标下的各个图像的图像 特征； 分别根据每个损失值计算指标下的各个图 像特征， 计算训练图像在每个损失值计算指标下 的损失值， 以得到图像预测模型的模型损失值； 按照减小模 型损失值的方向， 优化图像预测模型 中的模型参数， 以构建图像分类模型。 本申请实 施例可构建模型性能较好的图像分类模型。 权利要求书2页 说明书16页 附图6页 CN 114936998 A 2022.08.23 CN 114936998 A 1.一种模型优化方法， 其特 征在于， 包括： 获取训练图像， 并分别按照一个或多个损失值计算指标所对应的图像处理任务对所述 训练图像进行图像处 理， 得到所述训练图像在每 个损失值计算指标 下的一个或多个图像； 分别调用图像预测模型对所述每个损失值计算指标下的各个图像进行特征提取， 得到 所述每个损失值计算指标 下的各个图像的图像特 征； 分别根据 所述每个损失值计算指标下的各个图像特征， 计算所述训练图像在所述每个 损失值计算指标下的损失值； 并对所述训练图像在所述一个或多个损失值计算指标下的损 失值进行融合处 理， 得到所述图像预测模型的模型损失值； 按照减小所述模型损 失值的方向， 优化所述图像预测模型中的模型参数， 以构建图像 分类模型。 2.根据权利要求1所述的方法， 其特征在于， 所述一个或多个损失值计算指标包括一致 性损失值计算指标， 且所述一致性损失值计算指标所对应的图像处理任务是指图像画质调 整任务； 所述分别按照一个 或多个损失值计算指标所对应的图像处理任务对所述训练图像 进行图像处 理， 得到所述训练图像在每 个损失值计算指标 下的一个或多个图像， 包括： 按照所述图像画质调整任务对所述训练图像进行图像处理， 以调整所述训练图像的一 个或多个画质影响因素， 得到所述训练图像在所述一致性损失值计算指标下的至少两个画 质调整图像。 3.根据权利要求2所述的方法， 其特征在于， 所述分别根据 所述每个损失值计算指标下 的各个图像特 征， 计算所述训练图像在所述每 个损失值计算指标 下的损失值， 包括： 对所述至少两个画质调整图像中各个画质调整图像的图像特征进行类别置信度估计 处理， 得到所述各个画质调整图像的类别置信度； 根据所述至少两个画质调 整图像的类别置信度中每两个类别置信度之间的差异， 计算 所述每两个 类别置信度对应的两个画质调整图像之间的损失值； 对所述至少两个画质调整图像中每两个画质调 整图像之间的损失值进行融合处理， 得 到所述训练图像在所述 一致性损失值计算指标 下的损失值。 4.根据权利要求1所述的方法， 其特征在于， 所述一个或多个损失值计算指标包括角度 预测损失值计算指标， 且所述角度预测损失值计算指标所对应的图像处理任务是指图像角 度旋转任务； 所述分别按照一个或多个损失值计算指标所对应的图像处理任务对所述训练 图像进行图像处 理， 得到所述训练图像在每 个损失值计算指标 下的一个或多个图像， 包括： 按照目标旋转角度对所述训练图像进行图像角度旋转处理， 得到所述训练图像在所述 角度预测损失值计算指标 下的角度旋转图像。 5.根据权利要求4所述的方法， 其特征在于， 所述分别根据 所述每个损失值计算指标下 的各个图像特 征， 计算所述训练图像在所述每 个损失值计算指标 下的损失值， 包括： 对所述角度旋转图像的图像特征进行旋转角度预测处理， 得到所述角度旋转图像相对 所述训练图像的预测旋转角度； 根据所述预测旋转角度与 所述目标旋转角度之间的差异， 计算所述训练图像在所述角 度预测损失值计算指标 下的损失值。 6.根据权利要求1 ‑5中任一项所述的方法， 其特征在于， 所述图像预测模型包括特征提 取模块； 所述按照减小 所述模型损失值的方向， 优化所述图像预测模 型中的模型参数， 以构权　利　要　求　书 1/2 页 2 CN 114936998 A 2建图像分类模型， 包括： 按照减小所述模型损失值的方向， 优化所述图像预测模型中的特征提取模块的模型参 数， 以构建图像分类模型； 其中， 所述图像分类模型包括优化后的特 征提取模块。 7.根据权利要求1 ‑5中任一项所述的方法， 其特 征在于， 所述方法还 包括： 调用所述图像分类模型对目标图像进行 特征提取， 得到所述目标图像的图像特 征； 将所述目标图像的图像特征与第 一类别对应的聚类中心特征进行比对， 得到第 一相似 度； 将所述目标图像的图像特征与第 二类别对应的聚类中心特征进行比对， 得到第 二相似 度； 基于所述第一相似度和所述第二相似度， 确定所述目标图像的类别。 8.根据权利要求7所述的方法， 其特征在于， 所述第一类别对应的聚类中心特征， 以及 所述第二类别对应的聚类中心特征是通过调用所述图像分类模型所得到的； 所述方法还包 括： 调用所述图像分类模型对训练样本集中的各个样本图像进特征提取， 得到所述各个样 本图像的图像特 征； 对所述各个样本图像的图像特征进行聚类分析处理， 得到所述第 一类别对应的聚类中 心特征， 以及所述第二类别对应的聚类中心特 征。 9.一种模型优化装置， 其特 征在于， 包括： 获取单元， 用于获取训练图像； 处理单元， 用于分别按照 一个或多个损失值计算指标所对应的图像处理任务对所述训 练图像进行图像处 理， 得到所述训练图像在每 个损失值计算指标 下的一个或多个图像； 所述处理单元， 还用于分别调用图像预测模型对所述每个损失值计算指标下的各个图 像进行特征提取， 得到所述每 个损失值计算指标 下的各个图像的图像特 征； 所述处理单元， 还用于分别根据所述每个损 失值计算指标下的各个图像特征， 计算所 述训练图像在所述每个损失值计算指标下的损失值； 并对所述训练图像在所述一个 或多个 损失值计算指标 下的损失值进行融合处 理， 得到所述图像预测模型的模型损失值； 所述处理单元， 还用于按照减小所述模型损 失值的方向， 优化所述图像预测模型中的 模型参数， 以构建图像分类模型。 10.一种计算机设备， 其特征在于， 包括处理器、 存储器， 其中， 所述存储器用于存储计 算机程序， 所述计算机程序被所述处理器执行时， 实现如权利要求1 ‑8中任一项所述的方 法。 11.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机程序， 所述 计算机程序被处 理器执行时实现如权利要求1 ‑8中任一项所述的方法。 12.一种计算机程序产品， 包括计算机程序， 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 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114936998 A 3