模型训练方法、图像识别方法、存储介质及程序产品技术

本公开提供的模型训练方法、图像识别方法、存储介质及程序产品，涉及人工智能技术，包括：获取具有标注信息的训练图片数据标注信息包括用于标记目标物品的标记像素点以及与标记点相邻的核心像素点；将训练图片数据输入预设模型中，得到训练图片数据的识别结果；根据训练图片数据的标注信息、识别结果确定损失函数，并根据损失函数调整预设模型中的参数，得到用于识别图片中的目标物品的模型，识别的目标物品用于确定图片中包括的目标物品的总数量。本公开提供的方案，通过多点监督的方式对模型进行训练，能够使训练得到的模型可以识别遮挡、扎堆的目标物品，从而提高识别目标物品的准确率，进而能够准确的确定出图片中包括的目标物品的数量。

【技术实现步骤摘要】
模型训练方法、图像识别方法、存储介质及程序产品
本公开涉及人工智能技术，尤其涉及一种模型训练方法、图像识别方法、存储介质及程序产品。
技术介绍
目前，存在一些需要确定物品数量的应用场景，比如，需要确定一个停车场内车辆的总数，再比如，需要确定一个围栏内动物的数量。同时，随着人工智能技术的发展，可以利用人工智能技术确定物品数量。比如，可以拍摄停车场的图片，并利用人工智能技术识别该图片，进而确定图片中出现的汽车的数量。但是，由于动物灵活好动，且密集度高，现有技术中人工智能识别动物数量的准确度不高，还需要多人配合统计动物数量。而人工统计动物数量的方式实时性低，且误差较大，极易受到人为因素影响。因此，如何提高基于人工智能方式识别动物的准确率，进而可以根据识别结果确定动物数量，是本领域技术人员亟需解决的技术问题。
技术实现思路
本公开提供一种模型训练方法、图像识别方法、存储介质及程序产品，以提高物品统计效率。本公开的第一个方面是提供一种用于识别图片中的物品的模型训练方法，包括：获取具有标注信息的训练图片数本文档来自技高网...

【技术保护点】
1.一种用于识别图片中的物品的模型训练方法，其特征在于，包括：/n获取具有标注信息的训练图片数据，所述标注信息用于指示所述训练图片数据中包括的目标物品，所述标注信息包括用于标记目标物品的标记像素点，以及与所述标记点相邻的核心像素点；/n将所述训练图片数据输入预设模型中，得到所述训练图片数据的识别结果；/n根据所述训练图片数据的标注信息、所述识别结果确定损失函数，并根据所述损失函数调整所述预设模型中的参数，得到用于识别图片中的目标物品的模型，其中，识别的目标物品用于确定所述图片中包括的目标物品的总数量。/n

【技术特征摘要】
1.一种用于识别图片中的物品的模型训练方法，其特征在于，包括：
获取具有标注信息的训练图片数据，所述标注信息用于指示所述训练图片数据中包括的目标物品，所述标注信息包括用于标记目标物品的标记像素点，以及与所述标记点相邻的核心像素点；
将所述训练图片数据输入预设模型中，得到所述训练图片数据的识别结果；
根据所述训练图片数据的标注信息、所述识别结果确定损失函数，并根据所述损失函数调整所述预设模型中的参数，得到用于识别图片中的目标物品的模型，其中，识别的目标物品用于确定所述图片中包括的目标物品的总数量。


2.根据权利要求1所述的方法，其特征在于，所述将所述训练图片数据输入预设模型中，得到所述训练图片数据的识别结果，包括：
将所述训练图片数据输入预设模型中，利用所述预设模型的特征提取模块提取所述训练图片数据多个维度的图片特征；
利用所述预设模型的融合模块对多个维度的所述图片特征进行融合处理，得到所述训练图片数据的识别结果。


3.根据权利要求1所述的方法，其特征在于，所述利用所述预设模型的特征提取模块提取所述训练图片数据多个维度的图片特征，包括：
利用所述特征提取模块提取所述训练图片数据中的特征，得到第一维特征图；
利用所述特征提取模块提取所述第一维特征图中的特征，得到第二维特征图；
利用所述特征提取模块提取所述第二维特征图中的特征，得到第三维特征图。


4.根据权利要求3所述的方法，其特征在于，所述特征提取模块为有效的通道注意模块。


5.根据权利要求3所述的方法，其特征在于，利用所述预设模型的融合模块对多个维度的所述图片特征进行融合处理，得到所述训练图片数据的识别结果，包括：
融合所述第三维特征图与所述第二维特征图，得到中间特征图；
融合所述中间特征图与所述第一维特征图，得到所述训练图片数据的识别结果。


6.根据权利要求5所述的方法，其特征在于，所述融合所述第三维特征图与所述第二维特征图，得到中间特征图，包括：
对所述第三维特征图进行上采样处理得到第一采样特征图，使得采样后的第一采样特征图与所述第二维特征图的尺寸相同；
将第一采样特征图与所述第二维特征图相加，得到第一叠加特征图；
利用第一注意力模块对所述第一叠加特征图进行处理，得到所述中间特征图。


7.根据权利要求5所述的方法，其特征在于，融合所述中间特征图与所述第一维特征图，得到所述训练图片数据的识别结果，包括：
对所述中间特征图进行上采样处理得到第二采样特征图，使得上采样后的第二采样特征图与所述第一维特征图的尺寸相同；
将第二采样特征图与所述第一维特征图相加，得到第二叠加特征图；
利用第二注意力模块对所述第二叠加特征图进行处理，得到融合特征图，再对所述融合特征图进行上采样处理，得到与所述待训练图片数据的尺寸相同的识别结果。


8.根据权利要求1-7任一项所述的方法，其特征在于，所述根据所述训练图片数据的标注信息、所述识别结果确定损失函数，包括：
根据所述训练图片数据的标注信息、所述识别结果确定图像损失函数、点监督损失函数、分离重合样本损失函数、抑制错误样本损失函数；
根据所述训练图片数据的图像损失函数、点监督损失函数、分离重合样本损失函数、抑制错误样本损失函数，确定损失函数。


9.根据权利要求8所述的方法，其特征在于，根据所述训练图片数据的标注信息、所述识别结果确定图像损失函数，包括：
根据所述训练图片数据的识别结果确定每一像素点所属的识别类别结果；
根据每一像素点所属的识别类别结果、所述标注信息中包括的类别信息，确定所述图像损失函数；
其中，所述图像损失函数用于约束模型输出的识别结果的类别信息。


10.根据权利要求9所述的方法，其特征在于，根据每一像素点所属的识别类别结果、所述标注信息中包括的类别信息，确...

【专利技术属性】
技术研发人员：谢庆喜，
申请(专利权)人：京东数科海益信息科技有限公司，
类型：发明
国别省市：北京;11