(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 202211007593.5 (22)申请日 2022.08.22 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 张为明　 (74)专利代理 机构 北京市汉坤律师事务所 11602 专利代理师 姜浩然　吴丽丽 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 20/54(2022.01) (54)发明名称 特征提取模型的训练方法、 目标分类方法、 装置、 设备 (57)摘要 本公开提供了一种特征提取模型的训练方 法、 目标分类方法、 装置、 电子设备和介质， 涉及 人工智能领域， 尤其涉及图像处理、 计算机视觉 和深度学习领域， 尤其涉及智慧城市、 智能交通 等场景。 一种方法包括： 获得样本图像； 对样本图 像进行第一处理以获得样本图像的第一视图， 第 一处理包括对样本图像进行剪裁； 基于第一视 图， 通过特征提取模型， 获得第一特征图； 基于第 一特征图获得第一重建视图， 第一重建视图与第 一视图具有相同的尺寸； 基于第一视图和第一重 建视图确定第一损失值； 以及至少基于第一损失 值对特征提取模型的参数进行调整。 权利要求书3页 说明书12页 附图6页 CN 115331077 A 2022.11.11 CN 115331077 A 1.一种特 征提取模型的训练方法， 包括： 获得样本图像； 对所述样本图像进行第 一处理以获得样本图像的第 一视图， 所述第 一处理包括对所述 样本图像进行剪 裁； 基于所述第一视图， 通过 特征提取模型， 获得第一特 征图； 基于所述第 一特征图获得第 一重建视图， 所述第 一重建视图与 所述第一视图具有相同 的尺寸； 基于所述第一视图和所述第一重建视图确定第一损失值； 以及 至少基于所述第一损失值对所述特 征提取模型的参数进行调整。 2.根据权利要求1所述的方法， 其中， 所述第一处理还包括： 对经剪裁的样本 图像进行 尺寸调整以获得所述第一视图， 所述第一视图具有与所述特征提取模型的输入匹配的尺 寸。 3.根据权利要求2所述的方法， 其中， 基于所述第一特征图获得第一重建视 图包括： 基 于至少一个重建块对所述第一特征图进行重建， 其中， 每个重建块包括反卷积层和至少一 个卷积层， 并且其中， 所述方法还包括至少基于所述第一损失值对所述至少一个重建块的 参数进行调整。 4.根据权利要求3所述的方法， 其中， 每个重建块包括反卷积层、 至少一个第一卷积层 和至少一个第二卷积层， 所述第一卷积层的卷积核尺寸大于1， 并且 所述第二卷积层的卷积 核尺寸等于1。 5.根据权利要求1 ‑4中任一项所述的方法， 还 包括： 对样本图像进行第 二处理以获得样本图像的第 二视图， 所述第 二视图不同于所述第 一 视图； 基于所述第二视图， 通过 所述特征提取模型， 获得第二特 征图； 以及 基于所述第一特 征图和所述第二特 征图确定第二损失值； 并且 其中， 至少基于所述第 一损失值对所述特征提取模型的参数进行调 整包括基于所述第 一损失值和所述第二损失值对所述特 征提取模型的参数进行调整。 6.根据权利要求5所述的方法， 其中， 基于所述第 一特征图和所述第 二特征图确定第 二 损失值包括： 对所述第一特征图进行映射以获得经映射的第 一特征图， 并且对所述第 二特征图进行 映射以获得经映射的第二特征图， 所述第一特征图、 所述第二特征图和所述样本图像具有 相同的尺寸； 确定在所述样本图像中的、 与所述第 一特征图的每个像素对应的区域的坐标作为所述 第一特征图的该每 个像素的坐标值； 确定在所述样本图像中的、 与所述第 二特征图的每个像素对应的区域的坐标作为所述 第二特征图的该每 个像素的坐标值； 基于所述第一特 征图的像素和所述第二特 征图的像素获得多个 像素对； 基于像素对中的两个像素之间的坐标距离， 将所述多个像素对分别标记为正像素对和 负像素对； 以及 确定所述第 二损失值， 使得所述第 二损失值指示正像素对中的两个像素之间特征向量权　利　要　求　书 1/3 页 2 CN 115331077 A 2的相似性以及负像素对中的两个 像素之间的特 征向量的不相似性。 7.根据权利要求6所述的方法， 其中， 确定所述第二损 失值还包括： 在计算正像素对中 的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似 性时， 将每 个像素对中的两个 像素之间的坐标的距离作为权 重。 8.根据权利要求5 ‑7中任一项所述的方法， 还 包括： 对所述第一特 征图进行 特征平滑操作， 以获得第三特 征图； 以及 确定第三损失值， 使得所述第 三损失值指示所述第 三特征图的像素与 所述第二特征图 的像素形成的多个 像素对的每 个像素对中的两个 像素之间的特 征向量的一 致性， 其中， 对所述特征提取模型的参数进行调整还包括基于所述第 三损失值对所述特征提 取模型的参数进行调整。 9.一种目标分类方法， 包括： 基于输入图像， 根据权利要求1 ‑8中任一项所述的方法获得的特征提取模型， 获得输入 图像的特 征图； 以及 基于所述特 征图获得 所述输入图像中目标对象的类型。 10.一种特 征提取模型的训练装置， 包括： 样本图像获得 单元， 用于获得样本图像； 第一视图获得单元， 用于对样本 图像进行第一处理以获得样本 图像的第一视 图， 所述 第一处理包括对所述样本图像进行剪 裁； 第一特征图获得 单元， 用于基于所述第一视图， 通过 特征提取模型， 获得第一特 征图； 重建单元， 用于基于所述第一特征图获得第一重建视 图， 所述第一重建视 图与所述第 一视图具有相同的尺寸； 第一损失确定单元， 用于基于所述第一视 图和所述第一重建视 图确定第一损 失值； 以 及 调整单元， 用于至少基于所述第一损失值对所述特 征提取模型的参数进行调整。 11.根据权利要求10所述的装置， 其中， 所述第一处理还包括： 对所述经剪裁的样本 图 像进行尺寸调整以获得所述第一视图， 所述第一视图具有与所述特征提取模型的输入匹配 的尺寸。 12.根据权利要求11所述的装置， 其中， 所述重建单元用于基于至少一个重建块对所述 第一特征图进行重建， 其中， 每个重建块包括反卷积层和至少一个卷积层， 并且其中， 所述 调整单元还用于 至少基于所述第一损失值对所述至少一个重建块的参数进行调整。 13.根据权利要求12所述的装置， 其中， 每个重建块包括反卷积层、 至少一个第一卷积 层和至少一个第二卷积层， 所述第一卷积层的卷积核尺寸大于1， 并且所述第二卷积层的卷 积核尺寸 等于1。 14.根据权利要求10 ‑13中任一项所述的装置， 还 包括： 用于对样本图像进行第 二处理以获得样本图像的第 二视图的单元， 所述第 二视图不同 于所述第一视图； 用于基于所述第二视图， 通过 所述特征提取模型， 获得第二特 征图的单 元； 以及 用于基于所述第一特 征图和所述第二特 征图确定第二损失值的单 元； 并且 其中， 所述调整单元用于基于所述第 一损失值和所述第 二损失值对所述特征提取模型权　利　要　求　书 2/3 页 3 CN 115331077 A 3