一种模型训练方法、装置、存储介质及电子设备与流程

技术特征：
1.一种模型训练方法，其特征在于，包括：获取有标签的第一训练样本和无标签的第二训练样本；将所述第一训练样本和所述第二训练样本输入到待训练模型中，得到对应于所述第一样本的第一文字行识别结果和对应于所述第二样本的第二文字行识别结果；所述待训练模型中包含编码端和主解码端；其中，所述编码端用于提取输入的训练样本的编码特征；所述解码端用于根据所述编码特征确定输入的训练样本的文字行识别结果；对所述编码端从所述第二训练样本中提取的第二特征进行加扰，得到带扰特征；根据所述带扰特征得到带扰识别结果；确定所述第一文字行识别结果与所述第一训练样本的标签的第一差异，并确定所述第二文字行识别结果与所述带扰识别结果的第二差异；根据所述第一差异与所述第二差异得到最终差异；以所述最终差异最小为优化目标，对所述编码端的参数进行调整。2.如权利要求1所述的方法，其特征在于，对所述编码端从所述第二训练样本中提取的第二特征进行加扰，得到带扰特征，具体包括：通过至少两种加扰方法，对所述编码段从所述第二训练样本中提取的第二特征进行加扰，得到分别对应于每种加扰方法的带扰特征。3.如权利要求2所述的方法，其特征在于，根据所述带扰特征得到带扰识别结果，具体包括：针对每种加扰方法，通过与该加扰方法对应的辅助解码端对通过该加扰方法得到的带扰特征进行解码，得到带扰识别结果。4.如权利要求3所述的方法，其特征在于，确定所述第二文字行识别结果与所述带扰识别结果的第二差异，具体包括：针对每个带扰识别结果，确定所述第二文字行识别结果与该带扰识别结果之间的差异，作为带扰差异；将分别针对每个带扰识别结果确定出的各带扰差异进行融合，得到第二差异。5.如权利要求1所述的方法，其特征在于，根据所述第一差异与所述第二差异得到最终差异，具体包括：确定预设的对应于第一差异的第一权重和对应于第二差异的第二权重；根据所述第一差异、所述第二差异、所述第一权重、所述第二权重确定最终差异。6.一种文字行检测方法，其特征在于，包括：获取待识别图像；将所述待识别图像输入到采用如权利要求1～5任一项方法训练出的文字行检测模型；获得所述文字行检测模型输出的所述待识别图像对应的文字行识别结果。7.一种模型训练装置，其特征在于，包括：获取模块，获取有标签的第一训练样本和无标签的第二训练样本；结果确定模块，将所述第一训练样本和所述第二训练样本输入到待训练模型中，得到对应于所述第一样本的第一文字行识别结果和对应于所述第二样本的第二文字行识别结果；所述待训练模型中包含编码端和解码端；其中，所述编码端用于提取输入的训练样本的编码特征；所述解码端用于根据所述编码特征确定输入的训练样本的文字行识别结果；
加扰模块，对所述编码端从所述第二训练样本中提取的第二特征进行加扰，得到带扰特征；带扰结果确定模块，根据所述带扰特征得到带扰识别结果；差异确定模块，确定所述第一文字行识别结果与所述第一训练样本的标签的第一差异，并确定所述第二文字行识别结果与所述带扰识别结果的第二差异；最终差异确定模块，根据所述第一差异与所述第二差异得到最终差异；调整模块，以所述最终差异最小为优化目标，对所述编码端的参数进行调整。8.一种文字行检测装置，其特征在于，包括：获取模块，获取待识别图像；输入模块，将所述待识别图像输入到采用如权利要求1～5任一项方法训练出的文字行检测模型；输出模块，获得所述文字行检测模型输出的所述待识别图像对应的文字行识别结果。9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1～6任一项所述的方法。

技术总结
本说明书提供了一种模型训练方法，通过待训练模型中的编码端和主解码端对有标签的第一训练样本和无标签的第二训练样本进行处理，得到第一文字行识别结果和第二文字行识别结果，随后对编码端从第二训练样本中提取出的第二特征进行加扰，得到带扰特征，并根据带扰特征得到带扰识别结果，将第一文字行识别结果与第一训练样本的标签之间的差异确定为第一差异，将第二文字行识别结果与带扰识别结果之间的差异确定为第二差异，根据第一差异和第二差异得到最终差异，并以最终差异最小化为优化目标，对编码端的参数进行调整。本方法通过对第二特征进行加扰的方式，使大量无标签训练样本得以利用，加强了训练出的模型的抗干扰能力，有效提高了模型的性能。有效提高了模型的性能。有效提高了模型的性能。


技术研发人员：曾俊杰 刘曦 张睿
受保护的技术使用者：北京三快在线科技有限公司
技术研发日：2021.12.31
技术公布日：2022/4/5