【技术实现步骤摘要】
数据处理方法、模型训练方法、装置、设备和存储介质
[0001]本专利技术涉及人工智能领域，尤其涉及一种数据处理方法、模型训练方法、装置、设备和存储介质。
技术介绍
[0002]随着人工智能技术的不断发展，其已经应用到安防、商业、旅游、城市交通等众多领域中。比如在安防领域，可以利用人工智能技术对视频数据进行识别或者对生物特征进行识别，并最终实现目标对象的识别，保证公共安全。
[0003]再比如在商业零售或者旅游领域，可以利用人工智能技术对视频数据进行识别从而实现人流统计，并将统计结果作为调整运营策略的依据。又比如在城市交通领域中，还可以利用人工智能技术实现车流量统计，并根据此统计结果实现交通管理。
[0004]则在上述领域中，如何保证统计结果的准确性就成为一个亟待解决的问题。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种数据处理方法、模型训练方法、装置、设备和存储介质，用以保证流量统计的准确性。
[0006]第一方面，本专利技术实施例提供一种数据处理方法，包括：
...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：接收包含目标对象的待识别图像以及所述待识别图像对应的深度图像；提取所述待识别图像的第一图像特征以及所述深度图像的深度信息；根据所述深度信息对所述第一图像特征进行特征变换，以得到第二图像特征；根据所述第二图像特征，生成反映所述目标对象数量的密度图。2.根据权利要求1所述的方法，其特征在于，所述提取所述待识别图像的第一图像特征以及所述深度图像的深度信息，包括：将所述待识别图像输入计数模型，以由所述计数模型中的主干网络提取所述第一图像特征；将所述深度图像输入所述计数模型，以由所述计数模型中的卷积网络对所述深度图像进行卷积计算，获得所述深度信息。3.根据权利要求1所述的方法，其特征在于，所述将所述深度信息作为变换参数对所述图像特征进行特征变换，以得到第二图像特征，包括：将所述第一图像特征和所述深度信息输入计数模型中的变换网络，以由所述变换网络将所述深度信息作为变换参数对所述图像特征进行变换。4.根据权利要求3所述的方法，其特征在于，所述将所述第一图像特征和所述深度信息输入所述计数模型中的变换网络，以由所述变换网络将所述深度信息作为变换参数对所述图像特征进行特征变换，包括：将所述深度信息输入所述变换网络，以由所述变换网络中的预设激活函数对所述深度信息进行归一化处理；将处理结果和所述第一图像特征输入所述变换网络中的变换层，以由所述变换层将处理结果作为变换参数对所述图像特征进行特征变换，得到所述第二图像特征。5.根据权利要求4所述的方法，其特征在于，所述深度信息的数量为多个，多个深度信息中的任两个为第一目标信息和第二目标信息；所述变换层包含第一变换层和第二变换层；所述将所述深度信息输入所述变换网络，以由所述变换网络中的预设激活函数对所述深度信息进行归一化处理，包括：将所述第一目标信息和所述第二目标信息输入所述变换网络，以由所述预设激活函数分别对所述第一目标信息和所述第二目标信息进行归一化处理，得到第一处理结果和第二处理结果；所述将处理结果和所述第一图像特征输入所述计数网络中的变换层，以由所述变换层将处理结果作为变换参数对所述图像特征进行特征变换，得到所述第二图像特征，包括：将所述第一处理结果和所述第一图像特征输入所述第一变换层，以由所述第一变换层将所述第一处理结果作为变换参数对所述第一图像特征进行线性变换，得到第三图像特征；将所述第三图像特征和所述第二处理结果输入所述第二变换层，以由所述第二变换层将所述第二处理结果作为变换参数对所述第三图像特征果进行线性变换，得到所述第二图像特征。6.根据权利要求2所述的方法，其特征在于，所述计数模型还包括与所述变换网络间隔
设置的卷积网络，由所述变换网络和所述卷积网络构成残差网络。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：响应于用户对所述密度图触发的选择操作，输出所述用户选中的目标区域内所述目标对象的数量。8.根据权利要求2所述的方法，其特征在于，所述方法还包括：接收用户输入的、包含所述目标对象的图像样本以及所述图像样本对应的深度图像；将所述图像样本以及所述图像样本对应的深度图像输入计数模型，以由所述计数模型提取所述图像样本的第四图像特征以及所述图像样本对应的深度图像的深度信息，由所述计数模型根据所述图像样本对应的深度图像的深度信息对所述第四图像特征进行特征变换；根据变换结果，调整所述计数模型的参数，以实现所述计数模型的训练。9.一种数据处理方法，其特征在于，包括：响应于用户的输入操作，接收包含...
【专利技术属性】
技术研发人员：颜肇义，
申请(专利权)人：阿里巴巴集团控股有限公司，
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。