(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 202211293168.7 (22)申请日 2022.10.21 (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 北京中博世 达专利商标代理 有限公司 1 1274 专利代理师 韩杰 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 图像任务模 型的训练方法、 图像识别方法以 及相关装置 (57)摘要 本公开提供了图像任务模型的训练方法、 图 像识别方法以及相关装置， 涉及人工智能技术领 域， 尤其涉及深度学习、 图像处理、 计算机视觉技 术领域。 具体实现方案为： 基于初始模型的待训 练任务的第一任务参数， 确定与待训练任务特征 匹配的至少一个已训练任务， 基于至少一个已训 练任务的第二任务参数， 确定目标任务参数， 在 初始模型中添加目标任务参数， 采用图像样本数 据对添加目标任务参数后的初始模型进行迭代 训练， 以获得图像任务模 型。 如此， 在初始模型的 任务训练过程中， 参考了匹配任务的第二任务参 数， 由于所参考的第二任务参数是经模型训练学 习到的任务参数， 如此， 增加了模型训练所参考 的信息量， 提高了模型训练的准确性。 权利要求书3页 说明书16页 附图5页 CN 115496970 A 2022.12.20 CN 115496970 A 1.一种图像任务模型的训练方法， 包括： 基于初始模型的待训练任务的第 一任务参数， 确定与 所述待训练任务特征匹配的至少 一个已训练任务， 所述第一任务 参数为未 经模型训练的用于表征任务特 征的任务 参数； 基于所述至少一个已训练任务的第二任务参数， 确定目标任务参数， 所述第二任务参 数为经模型训练得到的用于表征任务特 征的任务 参数； 在所述初始模型中添加所述目标任务参数， 采用图像样本数据对添加所述目标任务参 数后的所述初始模型进行迭代训练， 以获得 所述图像任务模型。 2.根据权利要求1所述的方法， 其中， 所述目标任务参数包括多个任务子参数， 所述多 个任务子参数与所述初始模型包括的多个网络层一 一对应； 所述在所述初始模型中添加所述目标任务 参数， 包括： 对于任一个任务子参数， 在所述任务子参数对应的网络层中， 添加所述任务子参数。 3.根据权利要求1所述的方法， 其中， 所述采用图像样本数据对添加所述目标任务参数 后的所述初始模型进行迭代训练， 包括： 在任一次迭代训练的过程中， 将所述图像样本数据输入上一 次迭代训练后得到的模型 中， 以获得本次迭代训练的输出 结果； 基于所述输出结果与所述图像样本数据的样本标签， 调整所述目标任务参数， 基于调 整后的所述 目标任务参数， 执行下一次迭代训练， 所述样本标签用于指示所述图像样本数 据的图像信息 。 4.根据权利要求1所述的方法， 其中， 所述至少一个已训练任务存储于任务数据库中； 所述任务数据库用于存 储多个已训练任务的第一任务 参数和第二任务 参数； 所述基于初始模型的待训练任务的第 一任务参数， 确定与所述待训练任务特征匹配的 至少一个已训练任务， 包括： 在所述任务数据库中， 基于所述待训练任务的第 一任务参数以及所述多个已训练任务 的第一任务 参数， 确定所述多个已训练任务分别与所述待训练任务之间的相似度； 在所述多个已训练任务中， 选取相似度达 到相似度条件的所述至少一个已训练任务。 5.根据权利要求4所述的方法， 其中， 所述基于所述至少一个已训练任务的第 二任务参 数， 确定目标任务 参数， 包括： 基于所述至少一个已训练任务的第二任务参数以及所述至少一个已训练任务对应的 相似度， 确定所述目标任务 参数。 6.根据权利要求5所述的方法， 其中， 所述基于所述至少一个已训练任务的第 二任务参 数以及所述至少一个已训练任务对应的相似度， 确定所述目标任务 参数， 包括： 以所述至少一个已训练任务对应的相似度为所述至少一个已训练任务的第二任务参 数的权重系 数， 对所述至少一个已训练任务的第二任务参数进行加权求和， 得到所述 目标 任务参数。 7.根据权利要求 4所述的方法， 还 包括： 获取所述待训练任务的第一任务 参数和第二任务 参数； 在所述任务数据库中， 将所述待训练任务的第一任务 参数和第二任务 参数对应存 储。 8.根据权利要求4 ‑7中任一项所述的方法， 其中， 所述任务数据库提供为键值对查询 库。权　利　要　求　书 1/3 页 2 CN 115496970 A 29.根据权利要求1所述的方法， 还 包括： 获取待识别图像； 将所述待识别图像输入所述图像任务模型， 通过所述图像任务模型提取所述待识别图 像的图像特征， 基于所述图像特征对所述待识别图像进 行图像处理， 以获得图像识别结果， 所述图像处 理包括分类处 理、 分割处 理或预测处 理中的任一项。 10.一种图像识别方法， 包括： 获取待识别图像； 将所述待识别图像输入图像任务模型， 通过所述图像任务模型提取所述待识别图像的 图像特征， 基于所述图像特征对 所述待识别图像进 行图像处理， 以获得图像识别结果， 所述 图像处理包括分类处 理、 分割处 理或预测处 理中的任一项； 其中， 所述图像任务模型是采用图像样本数据对添加目标任务参数后的初始模型进行 训练得到的； 所述目标任务参数基于与所述初始模型的待训练任务特征匹配的至少一个已 训练任务的第二任务参数确定， 所述至少一个已训练任务基于所述待训练任务的第一任务 参数确定， 所述第一任务参数为未经模型训练的用于表征任务特征 的任务参数， 所述第二 任务参数为经模型训练得到的用于表征任务特 征的任务 参数。 11.根据权利要求10所述的方法， 还 包括： 基于所述待训练任务的第 一任务参数， 确定与 所述待训练任务特征匹配的至少一个已 训练任务； 基于所述至少一个已训练任务的第二任务 参数， 确定所述目标任务 参数； 在所述初始模型中添加所述目标任务参数， 采用所述图像样本数据对添加所述目标任 务参数后的所述初始模型进行迭代训练， 以获得 所述图像任务模型。 12.一种图像任务模型的训练装置， 包括： 任务确定模块， 用于基于初始模型的待训练任务的第一任务参数， 确定与所述待训练 任务特征匹配的至少一个已训练任务， 所述第一任务参数为未经模型训练的用于表征任务 特征的任务 参数； 参数确定模块， 用于基于所述至少一个已训练任务的第二任务参数， 确定目标任务参 数， 所述第二任务 参数为经模型训练得到的用于表征任务特 征的任务 参数； 训练模块， 用于在所述初始模型中添加所述目标任务参数， 采用图像样本数据对添加 所述目标任务 参数后的所述初始模型进行迭代训练， 以获得 所述图像任务模型。 13.根据权利要求12所述的装置， 其中， 所述目标任务参数包括多个任务子参数， 所述 多个任务子参数与所述初始模型包括的多个网络层一 一对应； 所述训练模块包括添加子模块， 用于： 对于任一个任务子参数， 在所述任务子参数对应的网络层中， 添加所述任务子参数。 14.根据权利要求12所述的装置， 其中， 所述训练模块包括训练子模块， 用于： 在任一次迭代训练的过程中， 将所述图像样本数据输入上一 次迭代训练后得到的模型 中， 以获得本次迭代训练的输出 结果； 基于所述输出结果与所述图像样本数据的样本标签， 调整所述目标任务参数， 基于调 整后的所述 目标任务参数， 执行下一次迭代训练， 所述样本标签用于指示所述图像样本数 据的图像信息 。权　利　要　求　书 2/3 页 3 CN 115496970 A 3