图像特征提取模型的训练方法、装置、设备及存储介质

本发明实施例涉及图像处理，尤其涉及一种图像特征提取模型的训练方法、装置、设备及存储介质。

背景技术：

1、目前，图像处理技术作为从图像中获取有效信息的有效手段，在各种应用场景中被广泛应用。在很多场景下，会需要对图像进行特征提取来从丰富的图像信息中捕捉到关注信息。随着人工智能技术的快速发展，为提高图像特征提取效果，各种神经网络方法被应用于图像特征提取。

2、但是，传统的利用神经网络模型进行图像特征提取的方法，对空间域相差较大的图像组的特征提取精度差，无法满足用户需求。

技术实现思路

1、本发明实施例提供了一种图像特征提取模型的训练方法、装置、设备及存储介质，以实现提高模型的特征提取精度。

2、第一方面，本发明实施例提供了一种图像特征提取模型的训练方法，包括：

3、获取至少两个图像样本组，其中，各所述图像样本组分别包括不同空间域的至少两个样本图像；

4、在任一所述图像样本组内，基于所述图像样本组中不同空间域的样本图像进行图像融合得到增强样本图像，并基于所述增强样本图像对所述图像样本组进行更新，得到各所述图像样本组对应的增强训练样本组；

5、在对图像特征提取模型的每一迭代训练过程中，基于所述图像特征提取模型对任意两组所述增强训练样本组中样本图像进行图像特征提取，并基于所述任意两组所述增强训练样本组中样本图像对应的图像特征确定损失函数，基于所述损失函数对当前迭代的图像特征提取模型的参数进行调节，直到得到目标图像特征提取模型。

6、第二方面，本发明实施例还提供了一种图像特征提取方法，包括：

7、获取待处理图像；

8、将所述待处理图像输入至所述目标图像特征提取模型，得到特征提取结果；

9、其中，所述目标图像特征提取模型是根据本发明任意实施例所提供的图像特征提取模型的训练方法训练得到。

10、第三方面，本发明实施例还提供了一种图像特征提取模型的训练装置，包括：

11、样本获取模块，用于获取至少两个图像样本组，其中，各所述图像样本组分别包括不同空间域的至少两个样本图像；

12、增强样本确定模块，用于在任一所述图像样本组内，基于所述图像样本组中不同空间域的样本图像进行图像融合得到增强样本图像，并基于所述增强样本图像对所述图像样本组进行更新，得到各所述图像样本组对应的增强训练样本组；

13、模型训练模块，用于在对图像特征提取模型的每一迭代训练过程中，基于所述图像特征提取模型对任意两组所述增强训练样本组中样本图像进行图像特征提取，并基于所述任意两组所述增强训练样本组中样本图像对应的图像特征确定损失函数，基于所述损失函数对当前迭代的图像特征提取模型的参数进行调节，直到得到目标图像特征提取模型。

14、第四方面，本发明实施例还提供了一种图像特征提取装置，包括：

15、图像获取模块，用于获取待处理图像；

16、特征提取模块，用于将所述待处理图像输入至所述目标图像特征提取模型，得到特征提取结果；

17、其中，所述目标图像特征提取模型是根据本发明任意实施例所提供的图像特征提取模型的训练装置训练得到。

18、第五方面，本发明实施例还提供了一种电子设备，该电子设备包括：

19、一个或多个处理器；

20、存储装置，用于存储一个或多个程序，

21、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的图像特征提取模型的训练方法，或者图像特征提取方法。

22、第六方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的图像特征提取模型的训练方法，或者图像特征提取方法。

23、本发明实施例的技术方案，通过获取至少两个图像样本组，其中，各图像样本组分别包括不同空间域的至少两个样本图像，表明训练样本包括不同空间域的样本图像；进一步的，在任一图像样本组内，基于图像样本组中不同空间域的样本图像进行图像融合得到增强样本图像，并基于增强样本图像对所述图像样本组进行更新，得到各图像样本组对应的更易学习到样本内在关系的增强训练样本组；进一步的，在对图像特征提取模型的每一迭代训练过程中，根据图像特征提取模型对任意两组增强训练样本组中样本图像进行图像特征提取，并基于任意两组增强训练样本组中样本图像对应的图像特征确定损失函数，基于损失函数对当前迭代的图像特征提取模型的参数进行调节，直到得到目标图像特征提取模型。这样训练可以使图像特征提取模型学习到增强训练样本组内，以及不同增强训练样本组间的样本图像的特征内在关系，从而提高图像特征提取模型的特征提取精度。

技术特征：

1.一种图像特征提取模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述增强样本图像对所述图像样本组进行更新，得到增强训练样本组，包括：

3.根据权利要求2所述的方法，其特征在于，所述样本图像组至少包括可见光图像和区别于所述可见光图像所在空间域的另一空间域图像，所述将所述增强样本图像对所述图像样本组中的样本图像进行替换，得到增强训练样本组，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述任意两组所述增强训练样本组中样本图像对应的图像特征确定损失函数，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于第一增强训练样本组中增强样本图像的图像特征、第一增强训练样本组中可见光图像的图像特征、第二增强训练样本组中可见光图像的图像特征确定第一损失项，包括：

6.根据权利要求1所述的方法，其特征在于，任一所述图像样本组中的不同空间域的样本图像的标签相同。

7.一种图像特征提取方法，其特征在于，包括：

8.一种图像特征提取模型的训练装置，其特征在于，包括：

9.一种图像特征提取装置，其特征在于，包括：

10.一种电子设备，其特征在于，所述电子设备包括：

11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的图像特征提取模型的训练方法，或者如权利要求7所述的图像特征提取方法。

技术总结
本发明实施例公开了一种图像特征提取模型的训练方法、装置、设备及存储介质，其中，该方法包括：获取至少两个图像样本组；在任一图像样本组内，基于图像样本组中不同空间域的样本图像进行图像融合得到增强样本图像，并基于增强样本图像对图像样本组进行更新，得到各图像样本组对应的增强训练样本组；在对图像特征提取模型的每一迭代训练过程中，基于图像特征提取模型对任意两组增强训练样本组中样本图像提取，并基于任意两组所述增强训练样本组中样本图像对应的图像特征确定损失函数，基于损失函数对当前迭代的图像特征提取模型的参数进行调节，直到得到目标图像特征提取模型。通过上述技术方案，提高了模型的特征提取精度。

技术研发人员：何艾莲,付彬,乔宇
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：
技术公布日：2024/1/15