公开(公告)号：CN107273458A

公开(公告)日：2017-10-20

申请号：CN201710404705.3

申请日：2017-06-01

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 邓玥琳 ,  高光明 ,  丁飞 ,  胡先军

IPC: G06F17/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种深度模型训练方法及装置、图像检索方法及装置，该深度模型训练方法包括：根据深度模型抽取的特征数据分别计算提升结构化特征嵌入设计模式的第一损失值和对比嵌入设计模式的第二损失值；根据该第一损失值和该第二损失值生成融合损失值；根据该融合损失值训练深度模型。本发明通过在提升结构化特征嵌入设计模式的损失层的基础上，融合对比嵌入设计模式的损失层，从而在训练过程中增加了负例的惩罚权重，在保持模型易于收敛的同时提升了特征数据的准确性，降低了误检率。

公开(公告)号：CN107273458B

公开(公告)日：2020-12-11

申请号：CN201710404705.3

申请日：2017-06-01

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 邓玥琳 ,  高光明 ,  丁飞 ,  胡先军

IPC: G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种深度模型训练方法及装置、图像检索方法及装置，该深度模型训练方法包括：根据深度模型抽取的特征数据分别计算提升结构化特征嵌入设计模式的第一损失值和对比嵌入设计模式的第二损失值；根据该第一损失值和该第二损失值生成融合损失值；根据该融合损失值训练深度模型。本发明通过在提升结构化特征嵌入设计模式的损失层的基础上，融合对比嵌入设计模式的损失层，从而在训练过程中增加了负例的惩罚权重，在保持模型易于收敛的同时提升了特征数据的准确性，降低了误检率。