CN113902944B 模型的训练及场景识别方法、装置、设备及介质 （青岛信芯微电子科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113902944B(45)授权公告日2025.07.08

(21)申请号202111159087.3

(22)申请日2021.09.30

(65)同一申请的已公布的文献号申请公布号CN113902944A

(43)申请公布日2022.01.07

(73)专利权人青岛信芯微电子科技股份有限公

司

地址266100山东省青岛市崂山区松岭路

399号

(72)发明人常河河查林白晓楠

(74)专利代理机构北京同达信恒知识产权代理有限公司11291

专利代理师杜晶

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V10/74(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/09(2023.01)

(56)对比文件

CN111259967A,2020.06.09

审查员张博

权利要求书3页说明书22页附图4页

(54)发明名称

模型的训练及场景识别方法、装置、设备及介质

(57)摘要

CN113902944B本申请公开了一种模型的训练及场景识别方法、装置、设备及介质。由于通过原始场景识别模型，可以获取到输入的样本图像对应的场景概率向量以及样本图像的样本特征，使得后续可以基于场景概率向量以及场景标签、样本特征以及第一场景类别对应的类中心特征、样本特征以及第二场景类别对应的类中心特征，对原始场景识别模型进行训练，使得训练得到的场景识别模型，可根据相同场景类别内图像的图像特征向该场景类别的类中心特征靠拢，同时远离其他场景类别的类中心特征的特性，进一步结合图像的特征层面，实现了准确地处理不归属于封闭的图像集中包含的场景类别图像，提高场景识别模型的精度、

CN113902944B

-S101

-S101

获取样本集中任一样本图像；其中，所述样本图像对应

有场景标签，所述场景标签用于标识所述样本图像所归

属的第一场景类别

通过原始场景识别模型，确定所述样本图像对应的场景

概率向量以及所述样本图像的样本特征；其中，所述场

景概率向量包括所述样本图像分别归属于每个场景类别

的概率值

基于所述场景概率向量以及所述场景标签、所述样本特征以及所述第一场景类别对应的类中心特征、所述样本

特征以及第二场景类别对应的类中心特征，对所述原始-S103

场景识别模型进行训练，以获取到训练完成的场景识别

模型；其中，所述第二场景类别为所述每个场景类别

中，除所述第一场景类别之外的场景类别

CN113902944B权利要求书1/3页

2

1.一种场景识别模型训练方法，其特征在于，所述方法包括：

获取样本集中任一样本图像；其中，所述样本图像对应有场景标签，所述场景标签用于标识所述样本图像所归属的第一场景类别；

通过原始场景识别模型，确定所述样本图像对应的场景概率向量以及所述样本图像的样本特征；其中，所述场景概率向量包括所述样本图像分别归属于每个场景类别的概率值；

基于所述场景概率向量以及所述场景标签、所述样本特征以及所述第一场景类别对应的类中心特征、所述样本特征以及第二场景类别对应的类中心特征，对所述原始场景识别模型进行训练，以获取到训练完成的场景识别模型；其中，所述第二场景类别为所述每个场景类别中，除所述第一场景类别之外的场景类别；

其中，获取所述每个场景类别的类中心特征，包括：

对于所述原始场景识别模型的每次迭代训练，通过当前迭代的场景识别模型，获取所述样本集中的所述每个场景类别的样本图像的样本特征；根据每个所述样本特征，确定所述每个场景类别分别对应的候选类中心特征；基于每个所述候选类中心特征，确定下一迭代训练中所述每个场景类别的类中心特征；

其中，所述根据每个所述样本特征，确定所述每个场景类别分别对应的候选类中心特征，包括：

针对所述每个场景类别，确定该场景类别的各个样本图像中，被所述当前迭代的场景识别模型正确识别的目标样本图像；根据所述目标样本图像的样本特征及所述目标样本图像的权重值，确定加权平均向量，并基于