【技术实现步骤摘要】
一种模型训练方法及装置
[0001]本专利技术涉及数据处理
，特别是涉及一种模型训练方法及装置。
技术介绍
[0002]一些场景中，电子设备需要通过深度学习模型，实现较为复杂的功能，比如，对图像进行目标检测、目标识别、目标分割以及行为分析等处理。
[0003]举例而言，若电子设备需要对图像进行目标检测，那么，首先，需要获取样本图像，然后，将样本数据输入至预设的深度学习模型中进行训练，得到目标检测模型，进而，在获取到待处理图像之后，可以利用目标检测模型对待处理图像进行处理，得到目标检测结果。
[0004]但是，上述方法得到的深度学习模型的泛化性能较差，比如，利用在A场景下采集的样本数据训练的目标检测模型，对在A场景下采集的待处理数据的目标检测性能较好，而对在B场景下采集的待处理数据的目标检测性能下降严重。
[0005]因此，目前亟需一种可以应用于多场景的模型训练方法。
技术实现思路
[0006]本专利技术实施例的目的在于提供一种模型训练方法及装置，以提高得到的深度学习模型的泛化性能...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取预设模型的多组模型参数及测试数据集，其中，每组模型参数是利用一个预设场景下的训练数据集对所述预设模型进行训练得到的；利用所述测试数据集，分别对使用每组模型参数的预设模型进行泛化测试，得到每组模型参数对应的泛化参数；根据所述泛化参数及所述多组模型参数，计算得到所述预设模型在所述多个预设场景下的协同模型参数，将使用所述协同模型参数的预设模型作为目标模型。2.根据权利要求1所述的方法，其特征在于，所述获取预设模型的多组模型参数及测试数据集，包括：获取多个预设场景下的多组样本数据，其中，每组样本数据分别与每个预设场景对应；根据预设分组规则，从所述多组样本数据中确定多组训练数据集及测试数据集；针对每组训练数据集，利用预设模型对该组训练数据集进行训练，得到该组训练数据集对应的所述预设模型的模型参数。3.根据权利要求2所述的方法，其特征在于，所述获取多个预设场景下的多组样本数据，包括：获取多个预设场景下的多组样本数据及所述多个预设场景的标识；所述方法还包括：获取初始数据集及所有预设场景的标识；根据所述多个预设场景的标识及所有预设场景的标识，判断是否存在未获取到样本数据的预设场景；若存在，则针对每个未获取到样本数据的预设场景，从所述初始数据集中选取该预设场景的填充样本数据。4.根据权利要求2所述的方法，其特征在于，所述根据预设分组规则，从所述多组样本数据中确定多组训练数据集及测试数据集，包括：将所述多组样本数据划分为多组训练数据集及测试数据集，其中，所述测试数据集包括一组或多组；或，针对每个预设场景下的每组样本数据，从该组样本数据中选取第一数量的数据，作为该预设场景的训练数据集，从该组样本数据中选取第二数量的数据，作为该预设场景的测试数据集。5.根据权利要求1所述的方法，其特征在于，所述根据所述泛化参数及所述多组模型参数，计算得到所述预设模型在所述多个预设场景下的协同模型参数，将使用所述协同模型参数的预设模型作为目标模型，包括：对各组模型参数的泛化参数进行归一化处理，得到各组模型参数的泛化参数的归一值，其中，各组模型参数的泛化参数的归一值的和为1；将所述归一值作为每组模型参数的权重，计算各组模型参数的加权平均值，得到所述预设模型在所述多个预设场景下的协同模型参数，将使用所述协同模型参数的预设模型作为目标模型。6.根据权利要求1所述的方法，其特征在于，所述获取预设模型的多组模型参数及测试数据集，包括：
按照预设周期，获取预设模型的多组模型参数及测试数据集；所述利用所述测试数据集，分别计算每组模型参数的泛化参数，包括：针对每一预设周期，利用该预设周期内获取的测试数据集，分别计算该预设周期内获取的每组模型参数及上一周期所确定的协同模型参数的泛化参数；所述根据所述泛化参数及所述多组模型参数，计算得到所述预设模型在所述多个预设场景下的协同模型参数，包括：针对每一预设周期，根据该预设周期内得到的泛化参数、该预设周期内获取的多组模型参数及上一周期所确定的协同模型参数，计算得到所述预设模型在该预设周期内、在所述多个预设场景下的协同模型参数。7.一种模型训练装置，其特征在于，所述...
【专利技术属性】
技术研发人员：赵飞，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。