(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910205457.9(22)申请日 2019.03.18(71)申请人 北京市商汤科技开发有限公司地址 100084 北京市海淀区中关村东路1号院3号楼7层710-712房间(72)发明人 金晟　刘文韬　钱晨　(74)专利代理机构 北京派特恩知识产权代理有限公司 11270代理人 徐升升　张颖玲(51)Int.Cl.G06K 9/62(2006.01)G06K 9/00(2006.01)

(54)发明名称深度学习模型训练方法及装置、训练设备及存储介质(57)摘要本发明实施例公开了一种深度学习模型训练方法及装置、训练设备及存储介质。所述深度学习模型训练方法，包括：利用训练图像对深度学习模型进行训练，获得所述深度学习模型输出的训练特征；利用辅助训练模块对所述训练特征进行转换处理，得到转换特征；基于所述转换特征确定损失值；基于所述损失值，确定是否继续

训练所述深度学习模型。

权利要求书2页 说明书23页 附图9页CN 109919245 A2019.06.21

CN 109919245

A1.一种深度学习模型训练方法，其特征在于，包括：利用训练图像对深度学习模型进行训练，获得所述深度学习模型输出的训练特征；利用辅助训练模块对所述训练特征进行转换处理，得到转换特征；基于所述转换特征确定损失值；基于所述损失值，确定是否继续训练所述深度学习模型。2.根据权利要求1所述的方法，其特征在于，所述利用训练图像对深度学习模型进行训练，获得所述深度学习模型输出的训练特征，包括：利用所述训练图像对所述深度学习模型进行训练，获得所述深度学习模型输出的第一类特征和第二类特征；所述利用辅助训练模块对所述训练特征进行转换处理，得到转换特征，包括：利用所述辅助训练模块基于第一类特征选择部分所述第二类特征进行转换处理，得到所述转换特征。3.根据权利要求2所述的方法，其特征在于，所述利用所述辅助训练模块基于第一类特征选择部分所述第二类特征进行转换处理，得到所述转换特征，包括：根据第一类特征图像包含所述第一类特征和特征阈值的比较结果，生成特征蒙版；基于所述特征蒙版从所述第二类特征中选择进行转换处理的所述第二类特征。4.根据权利要求3所述的方法，其特征在于，所述根据第一类特征图像包含所述第一类特征和特征阈值的比较结果，生成特征蒙版，包括：将第一类特征图中第i个像素的所述第一类特征与所述特征阈值进行比较，所述i为像素编号；若第i个像素的所述第一类特征大于所述特征阈值，则所述特征蒙版中第i个像素的像素值为第一取值；和/或若第i个像素的所述第一类特征小于或等于所述特征阈值，则所述特征蒙版中第i个像素的像素值为第二取值，其中，所述第二取值不同于所述第一取值。5.根据权利要求4所述的方法，其特征在于，所述基于所述特征蒙版从所述第二类特征中选择进行转换处理的所述第二类特征，包括：若所述特征蒙版的第j个像素为所述第一取值，则选择第二类特征图中第j个像素的所述第二类特征进行所述特征转换，j为像素编号。6.根据权利要求1至5任一项所述的方法，其特征在于，所述利用辅助训练模块对所述训练特征进行转换处理，得到转换特征，包括：利用所述辅助训练模块对训练特征进行聚类处理，得到所述转换特征。7.一种深度学习模型训练装置，其特征在于，包括：训练模块，用于利用训练图像对深度学习模型进行训练，获得所述深度学习模型输出的训练特征；辅助模块，用于利用辅助训练模块对所述训练特征进行转换处理，得到转换特征；第一确定模块，用于基于所述转换特征确定损失值；第二确定模块，还用于基于所述损失值，确定是否继续训练所述深度学习模型。8.一种图像处理方法，其特征在于，

包括：权　利　要　求　书1/2页

2CN 109919245 A