【技术实现步骤摘要】
对象识别方法、装置、设备以及存储介质
[0001]本申请涉及计算机
，特别涉及一种对象识别方法、装置、设备以及存储介质。
技术介绍
[0002]随着计算机技术的发展，对象识别模型得到了广泛的应用。对象识别模型的准确度至关重要，为了训练出准确度满足要求的对象识别模型，需要选取合适的样本数据。
[0003]很多对象在空间上的分布是离散的，比如天空中的天体在太空中的分布是离散的。在一些情况下，能够采用对象在空间中的坐标来指代不同的对象。而在训练对象识别模型时，需要采用二进制转化的方法，将对象在空间中的坐标转化为二进制坐标，将转化得到的二进制坐标确定为用于训练对象识别模型的样本数据。
[0004]但是，由于二进制转化会显著增加数据的维度，因此还需要对二进制转化后的数据进行压缩，而数据压缩会导致信息丢失，导致样本数据准确度不高，进而导致训练出的对象识别模型的识别准确度不高。
技术实现思路
[0005]本申请实施例提供了一种对象识别方法、装置、设备以及存储介质，能够提升对象识别模型的识别准确性。所述
【技术保护点】
【技术特征摘要】
1.一种对象识别方法，其特征在于，所述方法包括：获取目标空间内离散分布的多个对象的三维坐标；将所述目标空间划分为多个空间像素点；基于每个空间像素点与多个三维坐标之间的距离，确定所述每个空间像素点的像素值，所述像素值用于表示所述空间像素点与所述多个对象之间的相对位置关系；基于所述多个空间像素点的像素值，生成目标空间图像，所述目标空间图像用于训练对象识别模型，所述对象识别模型用于根据任一目标空间图像识别所述目标空间中离散分布的对象。2.根据权利要求1所述的方法，其特征在于，所述基于每个空间像素点与多个三维坐标之间的距离，确定所述每个空间像素点的像素值包括：对于任一空间像素点，对所述空间像素点与多个三维坐标之间的距离进行分布变换，以使分布变换后的多个距离符合目标分布；将所述分布变换后的多个距离确定为一个空间像素点的像素值。3.根据权利要求2所述的方法，其特征在于，所述目标分布为高斯分布，所述对所述空间像素点与多个三维坐标之间的距离进行分布变换包括：对所述空间像素点与所述多个三维坐标之间的距离进行高斯变换，得到高斯变换后的多个距离；所述将所述分布变换后的多个距离确定为一个空间像素点的像素值包括：将所述高斯变换后的多个距离进行叠加，得到所述空间像素点的像素值。4.根据权利要求3所述的方法，其特征在于，所述将所述高斯变换后的多个距离进行叠加，得到所述空间像素点的像素值之后，所述方法还包括：显示所述目标空间图像；基于所述目标空间图像的清晰度，对高斯变换方差进行调整；基于下一轮次中所述多个对象的三维坐标和调整后的高斯变换方差，重新生成所述下一轮次的目标空间图像。5.根据权利要求1所述的方法，其特征在于，所述获取目标空间内离散分布的多个对象的三维坐标，包括：获取所述目标空间内所述多个对象的原始三维坐标；对所述多个对象的原始三维坐标进行归一化处理，得到所述多个对象的三维坐标。6.根据权利要求5所述的方法，其特征在于，所述对所述多个对象的原始三维坐标进行归一化处理，得到所述多个对象的三维坐标包括：对于所述多个对象中的任一对象，将所述任一对象的原始三维坐标与所述目标空间的最大边长相除，得到所述任一对象的三维坐标。7.根据权利要求1所述的方法，其特征在于，所述基于所述多个空间像素点的像素值，生成目标空间图像包括：将所述目标空间划分为多个相互平行的虚拟平面，每个所述虚拟平面包括多个空间像素点；将每个所述虚拟平面上的多个空间像素点的像素值进行组合，得到每个所述虚拟平面对应的虚拟平面图像；
将所述多个相互平行的虚拟平面分别对应的虚拟平面图像进行组合，得到所述目标空间图像。8.根据权利要求1所述的方法，其特征在于，所述基于所述多个空间像素点的像素值，生成目标空间图像之后，所述方法还包括：将所述目标空间图像输入所述对象识别模型；通过所述对象识别模型，基于所述目标空间图像进行预测，输出所述多个对象对应的预测标签，所述预测标签用于指示对应对象的类型；获取所述对象识别模型输出的预测标签的准确度；基于所述准确度，确定在下一轮次中将所述目标空间划分得到的空间像素点的数量，所述数量与所述准确度负相关。9.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：李康源，郝少刚，谢昌谕，廖奔犇，张胜誉，
申请(专利权)人：腾讯科技深圳有限公司，
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。