(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 202210542518.2 (22)申请日 2022.05.18 (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 杨馥魁　 (74)专利代理 机构 北京猷德知识产权代理有限 公司 16084 专利代理师 范继晨 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 图像特征提取模 型确定方法及 装置、 图像识 别方法及装置 (57)摘要 本公开提供了一种图像特征提取模型确定 方法及装置、 图像识别方法及装置， 涉及人工智 能技术领域， 尤其涉及计算机视觉技术领域。 图 像特征提取模 型确定的具体实现方案为： 获取训 练样本集， 其中， 训练样本集中包括多个训练样 本对， 每个训练样本对中包括： 完整 图像和与完 整图像对应的遮挡图像； 对于每个训练样本对， 利用教师模型提取训练样本对中的第一图像特 征， 并利用学生模型提取训练样 本对中的第二图 像特征； 基于第一图像特征和第二图像特征构建 目标损失函数； 基于目标损失函数迭代训练学生 模型， 得到图像特征提取模型， 图像特征提取模 型用于在图像识别时提取待识别图像的图像特 征。 权利要求书2页 说明书9页 附图5页 CN 115019057 A 2022.09.06 CN 115019057 A 1.一种图像特 征提取模型确定方法， 包括： 获取训练样本集， 其中， 所述训练样本集中包括多个训练样本对， 每个所述训练样本对 中包括： 完整图像和与所述完整图像对应的遮挡图像； 对于每个所述训练样本对， 利用教师模型提取所述训练样本对中的第一图像特征， 并 利用学生模型提取 所述训练样本对中的第二图像特 征； 基于所述第一图像特 征和所述第二图像特 征构建目标损失函数； 基于所述目标损 失函数迭代训练所述学生模型， 得到 图像特征提取模型， 所述图像特 征提取模型用于在图像识别时提取待识别图像的图像特 征。 2.根据权利要求1所述的方法， 其中， 所述获取训练样本集包括： 获取多张所述完整图像； 对于每张所述完整图像， 将所述完整图像进行栅格化处理， 并以预设方式遮挡所述完 整图像中的部分栅格化区域， 得到与所述完整图像对应的所述遮挡图像， 将所述遮挡图像 和所述完整图像组成一个所述训练样本对； 将多张所述完整图像对应的多个所述训练样本对构成所述训练样本集。 3.根据权利要求2所述的方法， 其中， 所述将所述完整图像进行栅格化处理， 并以预设 方式遮挡所述完整图像中的部分栅格化区域包括： 将所述完整图像均匀 划分为第一数量的栅格化区域； 基于预设比例， 从所述第一数量的栅格化区域中随机确定第二数量的目标栅格化区 域， 利用目标颜色覆盖所述目标栅格化区域。 4.根据权利要求1所述的方法， 其中， 所述第一图像特征包括： 由所述教师模型提取的所述完整图像的第 一完整图像特征和 所述遮挡图像的第一遮挡图像特 征； 所述第二图像特征包括： 由所述学生模型提取的所述完整图像的第 二完整图像特征和 所述遮挡图像的第二遮挡图像特 征。 5.根据权利要求 4所述的方法， 其中， 所述目标损失函数用于表示以下信息 至少之一： 所述第一完整图像特征和所述第 二完整图像特征之间的差异， 所述第 一完整图像特征 和所述第二遮挡图像特征之 间的差异， 所述第一遮挡图像特征和所述第二完整图像特征之 间的差异， 所述第一遮挡图像特 征和所述第二遮挡图像特 征之间的差异。 6.根据权利要求1所述的方法， 其中， 所述基于所述目标损失函数迭代训练所述学生模 型， 得到图像特 征提取模型包括： 依次将所述多个训练样本对分别输入所述教师模型和所述学生模型进行特征提取， 并 基于所述目标损失函数迭代调整所述学生模型的模型参数， 得到所述图像特 征提取模型。 7.根据权利要求1所述的方法， 其中， 所述学生模型中包括用于提取所述完整图像的特 征的第一特征提取子模型和用于提取所述遮挡图像的特征的第二特征提取子模型， 在得到 所述图像特 征提取模型后， 所述方法还 包括： 获取测试样本图像； 将所述测试样本图像输入所述图像特征提取模型， 得到特征提取结果， 其中， 所述图像 特征提取模型中仅保留所述第一特 征提取子模型或所述第二特 征提取子模型； 基于所述特 征提取结果验证所述图像特 征提取模型 具有特征遮挡不变性。权　利　要　求　书 1/2 页 2 CN 115019057 A 28.一种图像识别方法， 包括： 获取待识别图像； 利用图像特征提取模型提取所述待识别图像的目标图像特征， 其中， 所述图像特征提 取模型是通过权利要求1至7中任意一项所述的图像特征提取模型确定方法对学生模型进 行训练得到； 基于所述目标图像特 征确定图像识别结果， 并输出 所述图像识别结果。 9.根据权利要求8所述的方法， 其中， 所述基于所述目标图像特征确定图像识别结果包 括： 将所述目标图像特征输入预训练的特征分类器进行分类， 得到所述目标图像特征的分 类结果； 基于所述分类结果确定所述图像识别结果。 10.一种图像特 征提取模型确定装置， 包括： 第一获取模块， 用于获取训练样本集， 其中， 所述训练样本集中包括多个训练样本对， 每个所述训练样本对中包括： 完整图像和与所述完整图像对应的遮挡图像； 第一提取模块， 用于对于每个所述训练样本对， 利用教师模型提取所述训练样本对中 的第一图像特 征， 并利用学生模型提取 所述训练样本对中的第二图像特 征； 构建模块， 用于基于所述第一图像特 征和所述第二图像特 征构建目标损失函数； 训练模块， 用于基于所述目标损 失函数迭代训练所述学生模型， 得到 图像特征提取模 型， 所述图像特 征提取模型用于在图像识别时提取待识别图像的图像特 征。 11.一种图像识别装置， 包括： 第二获取模块， 用于获取待识别图像； 第二提取模块， 利用图像特征提取模型提取所述待识别图像的目标图像特征， 其中， 所 述图像特征提取模型是通过权利要求1至7中任意一项所述的图像特征提取模型确定方法 对学生模型进行训练得到； 识别模块， 用于基于所述目标图像特 征确定图像识别结果， 并输出 所述图像识别结果。 12.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行权利要求 1至7中任一项 所述的图像特征提取 模型确定方法或权利要求8至9中任一项所述的图像识别方法。 13.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执行根据权利要求1至7中任一项所述的图像特征提取模型确定方法或权利 要求8至9中任一项所述的图像识别方法。 14.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1至7中任一项所述的图像特征提取模型确定方法或权利要求8至9中任一项所 述的图像识别方法。权　利　要　求　书 2/2 页 3 CN 115019057 A 3