一种动量式加权更新的低质图像表征模型训练方法及系统

本发明涉及图像表征学习技术领域，公开了一种动量式加权更新的低质图像表征模型训练方法及系统，给定原始数据集，生成锚样本，划定正样本以及负样本集合，并组成自监督训练数据集，分为训练集和验证集，构建编码器模型，将自监督训练样本单元输入至编码器模型中进行训练，结合链栈技术，计算训练损失；更新各编码器模型的参数，结合预设权重计算并最终更新标准编码器模型的参数；重复上述操作，直至达到预定训练次数，验证标准编码器模型的检索性能，保存最优模型作为低质图像表征模型，解决了现有低质图像表征模型性能差和泛化能力弱的问题。