(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210436659.6 (22)申请日 2022.04.25 (65)同一申请的已公布的文献号 申请公布号 CN 114549938 A (43)申请公布日 2022.05.27 (73)专利权人 广州市玄武无线科技股份有限公 司 地址 510620 广东省广州市天河区体 育西 路109号23Bd房 (72)发明人 丁明　王杰　钟忞盛　 (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 李家平 (51)Int.Cl. G06V 10/774(2022.01)G06V 20/80(2022.01) G06F 16/51(2019.01) G06F 16/55(2019.01) G06F 16/583(2019.01) G06K 9/62(2022.01) G06V 10/74(2022.01) (56)对比文件 CN 114155388 A,2022.03.08 CN 112949780 A,2021.0 6.11 WO 2021087985 A1,2021.0 5.14 贺周雨 等.基 于SHN模型的商品图像 检索方 法. 《计算机 工程与科 学》 .2019,第41卷(第1 1 期), 审查员 曹春晓 (54)发明名称 模型训练方法、 图像信息管理方法、 图像识 别方法及装置 (57)摘要 本发明公开了一种模 型训练方法、 图像信息 管理方法、 图像识别方法及装置。 所述模型训练 方法包括： 对初始图像处理模型进行随机初始 化； 所述初始图像处理模型包括特征提取分支和 原型构建分支； 固定原型构建分支参数， 将训练 图像集输入至初始图像处理模型， 得到第一输出 结果； 根据第一输出结果确定损失函数， 利用损 失函数对特征提取分支的初始化参数进行更新； 固定特征提取分支更新后的参数， 将训练图像集 输入至初始图像处理模型中， 得到第二输出结 果； 根据第二输出结果确定损失函数， 利用损失 函数对原型构建分支的初始化参数进行更新； 根 据特征提取分支更新后的参数构建商品指纹提 取模型， 以使商品指纹提取模型输出的商品指纹 具备更好的区分性。 权利要求书3页 说明书6页 附图2页 CN 114549938 B 2022.09.09 CN 114549938 B 1.一种模型训练方法， 其特 征在于， 包括： 对初始图像处理模型的参数进行随机初始化； 其中， 所述初始图像处理模型包括特征 提取分支和原型构建 分支； 固定所述原型构建分支 的初始化参数， 将训练图像集输入至所述初始图像处理模型， 得到第一输出 结果； 根据所述第 一输出结果确定损失函数的值， 利用所述损失函数的值对所述特征提取分 支的初始化 参数进行 更新； 所述损失函数包括类别损失和类内类间损失； 其中， 所述类别损失定义为 ； 式中，fx表示所述 特征提取分支输出的商品指纹， e表示所述原型构建分支输出的指纹原型， <  , >表示内积， i表示商品类别， T表示温度系数， N表示图像样本数量； 所述类内类间损失定义为 ； 式 中， 表示边界阈值 ， zp表示第一输出结果或第二输出结果中与所述特征提取分支输 出的商品指纹类别相同的结果， zn表示第一输出结果或第二输出结果中与所述特征提取分 支输出的商品指纹类别不相同的结果； 固定所述特征提取分支更新后的参数， 将所述训练图像集输入至特征提取分支参数更 新后的初始图像处 理模型中， 得到第二输出 结果； 根据所述第 二输出结果确定所述损失函数的值， 利用所述损失函数的值对所述原型构 建分支的初始化 参数进行 更新； 根据所述特 征提取分支更新后的参数构建商品指纹提取模型。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述第 一输出结果和所述第 二输 出结果均包括： 所述特征提取分支输出的商品指纹和所述原型构建 分支输出的指纹原型。 3.一种图像信息管理方法， 其特 征在于， 包括： 获取场景图像集， 利用图像 检测模型获取 所述场景图像集中的全量商品图像； 根据商品指纹提取模型提取 所述商品图像中的商品指纹， 得到商品指纹集； 其中， 所述商品指纹提取模型为采用如权利要求1~2任一项所述的模型训练方法训练出的模 型； 确定所述商 品指纹集的商 品类别， 利用聚类算法对各所述商 品类别对应的商品指纹进 行压缩； 将压缩后的商品指纹存 储至商品指纹数据库。 4.根据权利要求3所述的图像信 息管理方法， 其特征在于， 所述利用聚类算法对各所述 商品类别对应的商品指纹进行压缩， 具体为： 确定所述商品指纹集中各商品指纹的商品类别； 根据预设的数量参数N， 利用聚类算法依次将各商品类别下的商品指纹压缩为N个类 簇， 并将N个所述类簇的类簇中心设置为对应商品类别的目标商品指纹； 其中， N为 非零自然 数；权　利　要　求　书 1/3 页 2 CN 114549938 B 2将各所述商品类别的目标商品指纹存 储至商品指纹数据库。 5.一种图像识别方法， 其特 征在于， 包括： 获取目标商品图像， 利用商品指纹提取模型提取 所述目标商品图像的目标商品指纹； 基于所述目标商 品指纹遍历商 品指纹数据库中的基准指纹， 将与所述目标商品指纹相 似度最高的基准指纹所对应的商品类别确定为识别结果； 其中， 所述商品指纹提取模型为采用如权利要求1~2任一项所述的模型训练方法训练出的模 型； 所述商品指纹数据库由如权利要求3~4任一项所述的图像信息管理方法得到 。 6.一种模型训练装置， 其特 征在于， 包括： 初始化模块， 用于对初始图像处理模型的参数进行随机初始化； 其中， 所述初始图像处 理模型包括特 征提取分支和原型构建 分支； 第一训练模块， 用于固定所述原型构建分支 的初始化参数， 将训练图像集输入至所述 初始图像处 理模型， 得到第一输出 结果； 根据所述第 一输出结果确定损失函数的值， 利用所述损失函数的值对所述特征提取分 支的初始化 参数进行 更新； 所述损失函数包括类别损失和类内类间损失； 其中， 所述类别损失定义为 ； 式中，fx表示所述 特征提取分支输出的商品指纹， e表示所述原型构建分支输出的指纹原型， <  , >表示内积， i表示商品类别， T表示温度系数， N表示图像样本数量； 所述类内类间损失定义为 ； 式 中， 表示边界阈值 ， zp表示第一输出结果或第二输出结果中与所述特征提取分支输 出的商品指纹类别相同的结果， zn表示第一输出结果或第二输出结果中与所述特征提取分 支输出的商品指纹类别不相同的结果； 第二训练模块， 用于固定所述特征提取分支更新后的参数， 将所述训练图像集输入至 特征提取分支参数 更新后的初始图像处 理模型中， 得到第二输出 结果； 根据所述第 二输出结果确定所述损失函数的值， 利用所述损失函数的值对所述原型构 建分支的初始化 参数进行 更新； 确定模块， 用于根据所述特 征提取分支更新后的参数构建商品指纹提取模型。 7.根据权利要求6所述的模型训练装置， 其特征在于， 所述第 一输出结果和所述第 二输 出结果均包括： 所述特征提取分支输出的商品指纹和所述原型构建 分支输出的指纹原型。 8.一种数据处 理设备， 其特 征在于， 包括： 处理器， 所述处理器和存储器耦合， 所述存储器存储有程序， 所述程序由所述处理器执 行， 使得所述数据处理设备执行如权利要求 1~2任一项所述的模型训练方法， 或如权利要求 3~4任一项所述的图像信息管理方法， 或如权利要求5所述的图像识别方法。 9.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机指令， 所述计 算机指令用于执行如权利要求1~2任一项所述的模型训练方法， 或如权利要求3~4任一项所权　利　要　求　书 2/3 页 3 CN 114549938 B 3