特征提取模型处理及特征提取方法、装置和计算机设备与流程

本技术涉及计算机，特别是涉及一种特征提取模型处理方法、装置、计算机设备、存储介质和计算机程序产品，以及一种特征提取方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着计算机技术的发展，从互联网中检索出指定资源的检索技术已经不局限于文字检索，还支持用户进行图片检索。例如，用户可以输入查询图片进行检索，从而从数据库中查询到与用户输入的查询图片相似的图片。在图片检索技术中，往往是针对图片提取图像特征，如通过图像特征提取模型提取图像特征，通过提取的图像特征进行相似度比较，以实现针对图片的检索处理。

2、然而，在图像特征提取模型升级、更新时，新模型为了实现与旧模型之间的兼容性，会牺牲一部分自身的特征提取能力，故容易导致新模型无法提取到有效的图像特征。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够确保模型兼容性的同时，提高图像特征提取有效性的特征提取模型处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，以及一种特征提取方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种特征提取模型处理方法。所述方法包括：

3、获取样本图像和样本图像的继承参数；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由已训练完成的历史特征提取模型从样本图像中提取得到的；

4、通过待训练的特征提取模型从样本图像中提取得到第二图像特征；

5、通过与历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失；

6、通过待训练的图像分类模型基于第二图像特征进行第二分类，获得第二分类的分类损失；

7、基于模型兼容损失和第二分类的分类损失，对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成，获得训练完成的特征提取模型。

8、第二方面，本技术还提供了一种特征提取模型处理装置。所述装置包括：

9、样本图像获取模块，用于获取样本图像和样本图像的继承参数；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由已训练完成的历史特征提取模型从样本图像中提取得到的；

10、第二图像特征提取模块，用于通过待训练的特征提取模型从样本图像中提取得到第二图像特征；

11、模型兼容损失获得模块，用于通过与历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失；

12、第二分类损失获得模块，用于通过待训练的图像分类模型基于第二图像特征进行第二分类，获得第二分类的分类损失；

13、模型更新模块，用于基于模型兼容损失和第二分类的分类损失，对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成，获得训练完成的特征提取模型。

14、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

15、获取样本图像和样本图像的继承参数；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由已训练完成的历史特征提取模型从样本图像中提取得到的；

16、通过待训练的特征提取模型从样本图像中提取得到第二图像特征；

17、通过与历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失；

18、通过待训练的图像分类模型基于第二图像特征进行第二分类，获得第二分类的分类损失；

19、基于模型兼容损失和第二分类的分类损失，对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成，获得训练完成的特征提取模型。

20、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

21、获取样本图像和样本图像的继承参数；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由已训练完成的历史特征提取模型从样本图像中提取得到的；

22、通过待训练的特征提取模型从样本图像中提取得到第二图像特征；

23、通过与历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失；

24、通过待训练的图像分类模型基于第二图像特征进行第二分类，获得第二分类的分类损失；

25、基于模型兼容损失和第二分类的分类损失，对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成，获得训练完成的特征提取模型。

26、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

27、获取样本图像和样本图像的继承参数；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由已训练完成的历史特征提取模型从样本图像中提取得到的；

28、通过待训练的特征提取模型从样本图像中提取得到第二图像特征；

29、通过与历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失；

30、通过待训练的图像分类模型基于第二图像特征进行第二分类，获得第二分类的分类损失；

31、基于模型兼容损失和第二分类的分类损失，对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成，获得训练完成的特征提取模型。

32、上述特征提取模型处理方法、装置、计算机设备、存储介质和计算机程序产品，通过与历史特征提取模型联合训练得到的历史图像分类模型，基于待训练的特征提取模型从样本图像中提取的第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失，继承参数基于历史特征提取模型从样本图像中提取第一图像特征所反映的特征鉴别力得到，通过待训练的图像分类模型基于第二图像特征进行第二分类，基于模型兼容损失和第二分类的分类损失进行模型更新训练，可以通过历史特征提取模型提取的特征所确定的继承参数，对历史特征提取模型提取的特征进行选择性继承，能够有效学习到历史特征提取模型的知识，使得训练得到的特征提取模型能够在确保针对历史特征提取模型的模型兼容性的同时，提高图像特征提取的有效性。

33、第六方面，本技术提供了一种特征提取方法。所述方法包括：

34、获取目标图像；

35、通过特征提取模型，对目标图像进行特征提取，得到目标图像的目标图像特征；

36、其中，特征提取模型，是基于模型兼容损失和第二分类的分类损失对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成得到的；模型兼容损失，是通过与已训练完成的历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整得到的；第二图像特征，是通过待训练的特征提取模型从样本图像中提取得到的；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由历史特征提取模型从样本图像中提取得到的；第二分类的分类损失，是通过待训练的图像分类模型基于第二图像特征进行第二分类得到的。

37、第七方面，本技术还提供了一种特征提取装置。所述装置包括：

38、目标图像获取模块，用于获取目标图像；

39、特征提取处理模块，用于通过特征提取模型，对目标图像进行特征提取，得到目标图像的目标图像特征；

40、其中，特征提取模型，是基于模型兼容损失和第二分类的分类损失对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成得到的；模型兼容损失，是通过与已训练完成的历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整得到的；第二图像特征，是通过待训练的特征提取模型从样本图像中提取得到的；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由历史特征提取模型从样本图像中提取得到的；第二分类的分类损失，是通过待训练的图像分类模型基于第二图像特征进行第二分类得到的。

41、第八方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

42、获取目标图像；

43、通过特征提取模型，对目标图像进行特征提取，得到目标图像的目标图像特征；

44、其中，特征提取模型，是基于模型兼容损失和第二分类的分类损失对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成得到的；模型兼容损失，是通过与已训练完成的历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整得到的；第二图像特征，是通过待训练的特征提取模型从样本图像中提取得到的；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由历史特征提取模型从样本图像中提取得到的；第二分类的分类损失，是通过待训练的图像分类模型基于第二图像特征进行第二分类得到的。

45、第九方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

46、获取目标图像；

47、通过特征提取模型，对目标图像进行特征提取，得到目标图像的目标图像特征；

48、其中，特征提取模型，是基于模型兼容损失和第二分类的分类损失对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成得到的；模型兼容损失，是通过与已训练完成的历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整得到的；第二图像特征，是通过待训练的特征提取模型从样本图像中提取得到的；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由历史特征提取模型从样本图像中提取得到的；第二分类的分类损失，是通过待训练的图像分类模型基于第二图像特征进行第二分类得到的。

49、第十方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

50、获取目标图像；

51、通过特征提取模型，对目标图像进行特征提取，得到目标图像的目标图像特征；

52、其中，特征提取模型，是基于模型兼容损失和第二分类的分类损失对待训练的特征提取模型和待训练的图像分类模型进行更新后继续进行联合训练，直至训练完成得到的；模型兼容损失，是通过与已训练完成的历史特征提取模型联合训练得到的历史图像分类模型，基于第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整得到的；第二图像特征，是通过待训练的特征提取模型从样本图像中提取得到的；继承参数，是基于样本图像的第一图像特征所反映的特征鉴别力确定的；第一图像特征，是由历史特征提取模型从样本图像中提取得到的；第二分类的分类损失，是通过待训练的图像分类模型基于第二图像特征进行第二分类得到的。

53、上述特征提取方法、装置、计算机设备、存储介质和计算机程序产品，通过预先训练的特征提取模型对目标图像进行特征提取，而在特征提取模型的训练处理中，通过与历史特征提取模型联合训练得到的历史图像分类模型，基于待训练的特征提取模型从样本图像中提取的第二图像特征进行第一分类，并通过继承参数对第一分类的分类损失进行调整，得到模型兼容损失，继承参数基于历史特征提取模型从样本图像中提取第一图像特征所反映的特征鉴别力得到，通过待训练的图像分类模型基于第二图像特征进行第二分类，基于模型兼容损失和第二分类的分类损失进行模型更新训练，可以通过历史特征提取模型提取的特征所确定的继承参数，对历史特征提取模型提取的特征进行选择性继承，能够有效学习到历史特征提取模型的知识，使得训练得到的特征提取模型能够在确保针对历史特征提取模型的模型兼容性的同时，提高图像特征提取的有效性。