模型训练方法、训练装置、电子设备和可读存储介质制造方法及图纸

本发明专利技术提出了一种模型训练方法、训练装置、电子设备和可读存储介质，其中，模型训练方法，包括：获取N个图像数据，根据N个图像数据生成第一数据集，N为大于1的整数；将N个图像数据中的第一特征更新为第二特征，并根据更新后的N个图像数据生成第二数据集；根据第一数据集和第二数据集得到目标数据集，通过目标数据集训练检测模型。本发明专利技术平衡了用于训练模型的数据集中的各个不同种类的特征的数量比例，由于本申请仅对第一特征更新转化为第二特征，不会对图像数据中其他图像特征产生影响，提高了最终训练得到的检测模型对待检测物体的识别准确性。确性。确性。

【技术实现步骤摘要】
模型训练方法、训练装置、电子设备和可读存储介质


[0001]本专利技术属于检测模型
，具体而言，涉及一种模型训练方法、训练装置、电子设备和可读存储介质。

技术介绍

[0002]环境复杂且凌乱的建筑工地会给城市建设的发展带来一定的消极影响，需要花费一定的人力和时间去实时监控是否有未覆盖的易扬尘物品。而随着深度学习的不断发展，视频自动监控代替了传统的人眼监控，节省了人力成本和时间成本，而相关技术中的检测模型对待检测物体的识别不够准确。

技术实现思路

[0003]本专利技术旨在解决现有技术或相关技术中存在的技术问题之一。
[0004]为此，本专利技术的第一方面提出了一种模型训练方法。
[0005]本专利技术的第二方面提出了一种模型训练装置。
[0006]本专利技术的第三方面提出了一种电子设备。
[0007]本专利技术的第四方面提出了一种可读存储介质。
[0008]有鉴于此，根据本专利技术的第一方面提出一种模型训练方法，包括：获取N个图像数据，根据N个图像数据生成第一数据集，N为大于1的整数本文档来自技高网...

【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，包括：获取N个图像数据，根据所述N个图像数据生成第一数据集，N为大于1的整数；将所述N个图像数据中的第一特征更新为第二特征，并根据更新后的N个图像数据生成第二数据集；根据所述第一数据集和所述第二数据集得到目标数据集，通过所述目标数据集训练检测模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述N个图像数据生成第一数据集，包括：通过第一标记和第二标记，对所述N个图像数据中的所述第一特征和所述第二特征进行标注，以得到所述第一数据集。3.根据权利要求2所述的模型训练方法，其特征在于，所述将所述N个图像数据中的第一特征更新为第二特征，包括：识别所述N个图像数据中带有所述第一特征的M个待处理图像数据，M≤N；将所述M个待处理图像数据中的所述第一特征替换为第二特征，并将所述第一标记替换为所述第二标记，以得到M个目标图像数据；通过所述M个目标图像数据，更新所述N个图像数据。4.根据权利要求3所述的模型训练方法，其特征在于，所述将所述M个待处理图像数据中的所述第一特征替换为所述第二特征，包括：获取所述第一特征在所述M个目标图像数据中的位置信息和像素矩阵；根据所述像素矩阵，按照设定颜色模型生成所述第二特征；根据所述位置信息，将所述M个图像数据中的所述第一特征替换为所述第二特征。5.根据权利要求1至4中任一项所述的模型训练方法，其特征在于，所述通过所述目标数据集训练检测模型，包括：提取所述目标数据集中每个所述图像数据的特征向量；通...

【专利技术属性】
技术研发人员：罗安华，邢军华，
申请(专利权)人：深圳中兴网信科技有限公司，
类型：发明
国别省市：