模型训练方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供一种模型训练方法、装置、设备及存储介质，通过获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及不包括目标物体的第二图像样本；基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。本申请实施例能够提升模型检测物体的准确性。

【技术实现步骤摘要】
模型训练方法、装置、设备及存储介质
本申请实施例涉及计算机
，尤其涉及一种模型训练方法、装置、设备及存储介质。
技术介绍
在现有技术中，ssd是一种用于检测的神经网络，当检测到图片中某一区域中的物体与某一特定类别的物体之间的相似度超过预设阈值时，则确定该物体为该特定类别的物体(比如手、脸、肢体等)。然而目前在实际检测场景中常常会遇到这样的问题，就是当图片中不包括特定类别的物体时，ssd神经网络会将图片中的背景误检测为特定类别的物体，检测的准确性较低。
技术实现思路
本申请实施例提供一种模型训练方法、装置、设备及存储介质，用以提升模型的准确性，尤其是ssd神经网络模型的准确性。本申请实施例第一方面提供一种模型训练方法，包括：获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及不包括目标物体的第二图像样本；基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。本申请实施例第二方面提供一种模型训练装置，包括：获取模块，用于获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，包括：获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及不包括目标物体的第二图像样本；基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及不包括目标物体的第二图像样本；基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型，包括：将所述第一图像样本和所述第二图像样本输入预设模型中，同时训练预设模型识别所述目标物体的能力，以及识别图像中是否包括所述目标物体的能力，得到能够用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型，包括：获取预设模型，所述预设模型至少包括第一部分和第二部分；基于所述第一图像样本和所述第二图像样本训练所述预设模型的第一部分，使得所述第一部分能够识别图像中是否包括所述目标物体；在所述第一部分训练收敛后，固定所述第一部分的参数，并基于所述第一图像样本和所述第二图像样本训练所述预设模型的第二部分，使得所述第二部分能够从图像中识别出所述目标物体。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型，包括：基于所述第一图像样本和所述第二图像样本训练获得用于从图像中识别出所述目标物体的第一模型；基于所述第一图像样本和所述第二图像样本训练获得用于识别图像中是否包括所述目标物体的第二模型；对所述第一模型和所述第二模型进行合并处理，获得能够同时用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一图像样本和所述第二图像样本中还包括背景标注信息；所述方法还包括：基于所述第一图像样本、所述第二图像样本，以及所述背景标注信息，训练所述目标模型，使得所述目标模型能够识别图像背景。6.一种模型训练装置，其特征在于，包括：获取模块，用于获取目标图像样本数据集，所述目标图像数据集中包括包含目...

【专利技术属性】
技术研发人员：杨少雄，赵晨，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11