买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：腾讯科技(深圳)有限公司

摘要：本申请公开了训练目标图像检索模型的方法及相应的装置、计算设备、存储介质、和计算机程序产品。该方法用于使经训练的目标图像检索模型相对于原始图像检索模型具备后向兼容性。该方法包括：获取样本图像数据和标签；将样本图像数据输入到原始模型中，以得到对应的第一特征向量；对第一特征向量进行类别表征操作，以确定类别表征结果；将样本图像数据输入到目标模型，以得到对应的第二特征向量；将第二特征向量输入到目标模型的目标分类器，以得到目标预测分类结果；基于第二特征向量、第一特征向量的类别表征结果、标签和目标预测分类结果，确定目标模型的综合损失函数；基于综合损失函数更新目标模型的参数，使得目标模型达到收敛，以完成训练。

主权项：1.一种训练目标图像检索模型的方法，用于使经训练的目标图像检索模型相对于原始图像检索模型具备后向兼容性，其特征在于，所述方法包括：获取用于训练所述目标图像检索模型的样本图像数据和标签；将所述样本图像数据输入到所述原始图像检索模型中，以得到所述样本图像数据对应的第一特征向量；对所述第一特征向量进行类别表征操作，以确定所述第一特征向量的类别表征结果；将所述样本图像数据输入到所述目标图像检索模型，以得到所述样本图像数据对应的第二特征向量；将所述第二特征向量输入到所述目标图像检索模型的目标分类器，以得到目标预测分类结果；基于每个样本图像数据对应的所述第二特征向量、所述第一特征向量的类别表征结果、所述标签和所述目标预测分类结果，确定所述目标图像检索模型的综合损失函数，所述综合损失函数由后向兼容损失函数和分类损失函数构建，其中，1当基于所述标签对所述第一特征向量进行分类操作、以及确定每类第一特征向量的类中心向量，作为所述第一特征向量的类别表征结果时，所述确定所述目标图像检索模型的后向兼容损失函数包括：确定每个样本图像数据对应的所述第二特征向量与所述第一特征向量的类中心向量的相似度，以及基于所述相似度，确定所述目标图像检索模型的后向兼容损失函数，2当确定所述样本图像数据的类别属于用于训练所述原始图像检索模型的原始样本图像数据的类别，并将所述第一特征向量输入到所述原始图像检索模型的原始分类器，以得到第一原始分类结果，作为所述第一特征向量的类别表征结果时，将所述第二特征向量输入到所述原始图像检索模型的所述原始分类器，以得到第二原始分类结果，并且所述确定所述目标图像检索模型的后向兼容损失函数包括：基于所述第二原始分类结果和所述第一原始分类结果，确定所述目标图像检索模型的后向兼容损失函数；以及基于所述标签和所述目标预测分类结果，确定所述目标图像检索模型的分类损失函数，其中，基于所述标签和所述目标预测分类结果，确定所述目标图像检索模型的分类损失函数；以及基于所述综合损失函数更新所述目标图像检索模型的参数，使得所述目标图像检索模型达到收敛，以完成所述目标图像检索模型的训练。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 训练目标图像检索模型的方法和装置