(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 202210502310.8 (22)申请日 2022.05.10 (71)申请人 北京瑞莱智慧科技有限公司 地址 100084 北京市海淀区中关村东路1号 院8号楼19层A1901 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京箴思知识产权代理有限 公司 11913 专利代理师 李春晖 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/40(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 模型训练方法、 相关装置及存 储介质 (57)摘要 本申请实施例涉及计算机视觉领域， 提供一 种模型训练方法、 相关装置及存储介质， 该方法 包括： 获取目标图像； 获取目标权重分布， 根据所 述目标权重分布从所述目标图像获取目标图像 特征， 其中， 所述目标权重分布根据历史权重分 布更新得到； 对所述目标图像特征进行识别， 得 到所述目标图像的识别概率分布； 若目标类别与 所述目标图像的标签的相似度不小于第一预设 阈值， 则将所述目标权重分布作为预设模型的最 终权重分布； 其中， 所述目标类别为所述识别概 率分布中概率值大于预设概率值的类别。 本申请 实施例将神经网络模型中的固定权重替换为具 备更加灵活多变的表达能力的权重分布， 从而模 型能够提取到更加广泛的图像特征， 进而提高图 像识别的准确度。 权利要求书2页 说明书19页 附图7页 CN 114743081 A 2022.07.12 CN 114743081 A 1.一种模型训练方法， 所述方法包括： 获取目标图像； 获取目标权重分布， 根据 所述目标权重分布从所述目标图像获取目标图像特征， 其中， 所述目标权 重分布根据历史权 重分布更新得到； 对所述目标图像特 征进行识别， 得到所述目标图像的识别概 率分布； 若目标类别与 所述目标图像的标签的相似度不小于第 一预设阈值， 则将所述目标权重 分布作为预设模型的最终权 重分布； 其中， 所述目标类别为所述识别概 率分布中概 率值大于预设概 率值的类别。 2.如权利要求1所述的方法， 其中， 所述根据 所述目标权重分布从所述目标图像获取目 标图像特 征， 包括： 从所述目标权 重分布中获取第一权 重和第二权 重； 根据所述第 一权重基于历史图像特征获取第 一图像特征， 以及根据第 二权重基于所述 第一图像特 征获取第二图像特 征； 若所述第一图像特征和所述第 二图像特征的相似度不小于第 二预设阈值， 则将所述第 二图像特 征作为所述目标图像特 征； 其中， 所述历史图像特 征基于所述目标图像得到 。 3.如权利要求1所述的方法， 其中， 所述目标图像包括噪声， 所述目标图像特征在二维 欧式空间的映射 为树状结构。 4.如权利要求2所述的方法， 其中， 所述根据 所述目标权重分布从所述目标图像获取目 标图像特 征包括至少两个时间步长的图像特 征获取步骤； 当前时间步长的图像特征以上一时间步长获取的图像特征为所述预设模型的输入进 行获取。 5.如权利要求1 ‑4中任一项所述的方法， 其中， 所述预设模型包括隐式神经网络模型； 所述隐式神经网络模型至少用于从所述目标图像获取目标图像特 征； 所述隐式神经网络模型包括贝叶斯神经网络模型， 所述贝叶斯神经网络模型至少用于 从目标权 重分布中采样用于进行目标图像特 征获取的权 重。 6.如权利要求1所述的方法， 其中， 根据所述目标权重分布从所述目标图像获取目标图 像特征， 包括： 从所述目标权 重分布中获取多个权 重； 计算所述多个权 重的平均值， 得到图像特 征提取权 重； 根据所述图像特 征提取权 重从所述目标图像获取目标图像特 征。 7.如权利要求1所述的方法， 其中， 所述目标图像基于自动驾驶设备采集到的待识别图 像获取； 所述待识别图像包括模糊区域； 从所述目标图像中获取到的目标图像特 征包括基于所述模糊区域获取的图像特 征。 8.一种模型训练装置， 包括： 输入输出模块， 被 配置为获取目标图像； 处理模块， 被配置为获取目标权重分布， 根据所述目标权重分布从所述目标图像获取 目标图像特 征， 其中， 所述目标权 重分布根据历史权 重分布更新得到；权　利　要　求　书 1/2 页 2 CN 114743081 A 2所述处理模块， 还被配置为对所述目标图像特征进行识别， 得到所述目标图像的识别 概率分布； 所述处理模块， 还被配置为若目标类别与 所述目标图像的标签的相似度不小于第 一预 设阈值， 则将所述目标权 重分布作为预设模型的最终权 重分布； 其中， 所述目标类别为所述识别概 率分布中概 率值大于预设概 率值的类别。 9.一种计算设备， 包括存储器， 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其中， 所述处理器执行所述计算机程序时实现如权利要求1 ‑7中任一项所述的方 法。 10.一种计算机可读存储介质， 其包括指令， 当其在计算机上运行时， 使得计算机执行 如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114743081 A 3