(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 202210953887.0 (22)申请日 2022.08.10 (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 冯霞　赵一麟　陆勤　龚建　孙珂　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 专利代理师 王达佐　马晓亚 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06F 16/535(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于人工智能的图片去重方法、 装置、 设备 及存储介质 (57)摘要 本公开提供了一种基于人工智能的图片去 重方法、 装置、 设备及存储介质， 涉及人工智能技 术领域， 具体涉及图像识别和视频分析技术， 可 应用在智慧城市、 城市治理、 公安应急场景下。 该 方法包括： 获取无标签的训练图片集， 其中， 训练 图片集中包含至少一个训练图片 对； 对于至少一 个训练图片 对中的每个训练图片 对， 对该训练图 片对中的每张训练图片进行特征提取， 得到每张 训练图片的目标特征； 基于目标特征计算训练图 片对中两张训练图片之间的对比损失值； 基于对 比损失值更新自监督网络的参数， 得到图片去重 模型。 本公开提供的图片 去重模型的训练方法降 低了图片去重模 型的训练成本， 提升了图片去重 模型的训练效率。 权利要求书2页 说明书9页 附图5页 CN 115272803 A 2022.11.01 CN 115272803 A 1.一种图片去重模型的训练方法， 包括： 获取无标签的训练图片集， 其中， 所述训练图片集中包 含至少一个训练图片对； 对于所述至少一个训练图片对中的每个训练图片对， 对该训练图片对中的每张训练图 片进行特征提取， 得到所述每张训练图片的目标 特征； 基于所述目标 特征计算所述训练图片对中两张训练图片之间的对比损失值； 基于所述对比损失值更新自监 督网络的参数， 得到图片去重模型。 2.根据权利要求1所述的方法， 其中， 所述训练图片对通过以下步骤得到： 获取初始图片集； 对于所述初始图片集中的每张初始图片， 利用数据增强方法得到该初始图片对应的两 张增强后的目标图片； 将所述两张增强后的目标图片作为 一个训练图片对。 3.根据权利要求2所述的方法， 其中， 所述数据增强方法包括： 几何变换类方法和颜色 变换类方法， 所述几何变换类方法包括： 翻转、 旋转、 缩放或裁剪， 所述颜色变换类方法包 括： 模糊、 颜色变换、 擦除或填充。 4.根据权利要求1所述的方法， 其中， 所述对该训练图片对中的每张训练图片进行特征 提取， 得到所述每张训练图片的目标 特征， 包括： 对该训练图片对中的每张训练图片进行特征提取， 得到所述每张训练图片的初始特 征； 将所述初始特 征投影至固定维度的空间， 得到所述每张训练图片的目标 特征。 5.根据权利要求1所述的方法， 其中， 所述基于所述对比损失值更新自监督网络的参 数， 得到图片去重模型， 包括： 基于所述对比损 失值、 利用反向传播的方式更新自监督网络的参数， 得到 图片去重模 型。 6.一种基于人工智能的图片去重方法， 包括： 获取待去重图片集； 将所述待去重图片集输入至图片去重模型中， 输出得到去重后的目标图片集， 其中， 所 述图片去重模型采用如权利要求1 ‑5中任一项所述的方法训练得到 。 7.根据权利要求6所述的方法， 还 包括： 对所述待 去重图片集进行聚类， 得到 至少一个图片簇； 以及 所述将所述待去重 图片集输入至 图片去重模型中， 输出得到去重后的目标图片集， 包 括： 分别将所述至少一个图片簇输入至图片去重模型中， 输出得到每个图片簇对应的去重 后的图片集。 8.一种图片去重模型的训练装置， 包括： 第一获取模块， 被配置成获取无标签的训练图片集， 其中， 所述训练图片集中包含至少 一个训练图片对； 提取模块， 被配置成对于所述至少一个训练图片对中的每个训练图片对， 对该训练图 片对中的每张训练图片进行 特征提取， 得到所述每张训练图片的目标 特征； 计算模块， 被配置成基于所述目标特征计算所述训练图片对中两张训练图片之间的对权　利　要　求　书 1/2 页 2 CN 115272803 A 2比损失值； 更新模块， 被 配置成基于所述对比损失值更新自监 督网络的参数， 得到图片去重模型。 9.根据权利要求8所述的装置， 其中， 所述装置还包括用于得到训练图片对的得到模 块， 所述得到模块被 配置成： 获取初始图片集； 对于所述初始图片集中的每张初始图片， 利用数据增强方法得到该初始图片对应的两 张增强后的目标图片； 将所述两张增强后的目标图片作为 一个训练图片对。 10.根据权利要求9所述的装置， 其中， 所述数据增强方法包括： 几何变换类方法和颜色 变换类方法， 所述几何变换类方法包括： 翻转、 旋转、 缩放或裁剪， 所述颜色变换类方法包 括： 模糊、 颜色变换、 擦除或填充。 11.根据权利要求8所述的装置， 其中， 所述 提取模块包括： 提取子模块， 被配置成对该训练图片对中的每张训练图片进行特征提取， 得到所述每 张训练图片的初始特 征； 投影子模块， 被配置成将所述初始特征投影至固定维度的空间， 得到所述每张训练图 片的目标 特征。 12.根据权利要求8所述的装置， 其中， 所述更新模块包括： 更新子模块， 被配置成基于所述对比损 失值、 利用反向传播的方式更新自监督网络的 参数， 得到图片去重模型。 13.一种基于人工智能的图片去重装置， 包括： 第二获取模块， 被 配置成获取待 去重图片集； 去重模块， 被配置成将所述待去重 图片集输入至 图片去重模型中， 输出得到去重后的 目标图片集， 其中， 所述图片去重模型采用如权利要求1 ‑5中任一项所述的方法训练得到 。 14.根据权利要求13所述的装置， 还 包括： 聚类模块， 被 配置成对所述待 去重图片集进行聚类， 得到 至少一个图片簇； 以及 所述去重模块被进一 步配置成： 分别将所述至少一个图片簇输入至图片去重模型中， 输出得到每个图片簇对应的去重 后的图片集。 15.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑7中任一项所述的方法。 16.一种存储有计算机指令的非瞬时计算机可读存储介质， 所述计算机指令用于使所 述计算机执 行权利要求1 ‑7中任一项所述的方法。 17.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115272803 A 3