目标预测方法、模型训练方法、装置、设备、介质制造方法及图纸

本公开公开了一种目标预测方法、模型训练方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理和图像识别等场景。具体实现方案为：通过目标预测模型中的分类分支对图像进行前向预测，以确定被预测目标的类别；找出所述目标预测模型中与所述类别关联的回归分支；以及利用所述目标预测模型中与所述类别关联的回归分支，对所述被预测目标进行后向预测。预测。预测。

【技术实现步骤摘要】
目标预测方法、模型训练方法、装置、设备、介质


[0001]本公开涉及人工智能
，具体为计算机视觉和深度学习
，可应用于图像处理和图像识别等场景。

技术介绍

[0002]近年来，随着计算机软硬件技术的发展，人工智能和机器学习领域也得到了巨大的进步。计算机视觉是使用计算机及相关设备对生物视觉的一种模拟，是人工智能领域的一个重要部分，该技术也被广泛应用于图像处理及图像识别等应用场景。
[0003]目标检测是当前计算机视觉和机器学习领域的研究热点，如何高效提高检测效果和性能，已成为了重要的研究方向之一。

技术实现思路

[0004]本公开提供了一种目标预测方法、模型训练方法、装置、设备、存储介质以及计算机程序产品。
[0005]根据本公开的一方面，提供了一种目标预测方法，包括：通过目标预测模型中的分类分支对图像进行前向预测，以确定被预测目标的类别；找出所述目标预测模型中与所述类别关联的回归分支；以及利用所述目标预测模型中与所述类别关联的回归分支，对所述被预测目标进行后向预测。
[0006]根据本公开的另本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标预测方法，包括：通过目标预测模型中的分类分支对图像进行前向预测，以确定被预测目标的类别；找出所述目标预测模型中与所述类别关联的回归分支；以及利用所述目标预测模型中与所述类别关联的回归分支，对所述被预测目标进行后向预测。2.根据权利要求1所述的方法，其中：所述目标预测模型包括至少一个回归分支，所述至少一个回归分支中的每个回归分支对应于不同的类别；以及所述找出所述目标预测模型中与所述类别关联的回归分支，包括：根据所述目标预测模型中各回归分支与各类别的对应关系，找出所述目标预测模型中与所述被预测目标的类别关联的回归分支。3.根据权利要求2所述的方法，其中，所述目标预测模型中的所述至少一个回归分支的卷积层通道参数是根据所述目标预测模型中的所述分类分支的卷积层通道参数配置的。4.根据权利要求1至3中任一项所述的方法，其中，对所述被预测目标进行后向预测，包括以下至少之一：对所述被预测目标进行位置预测；对所述被预测目标进行大小预测；对所述被预测目标进行形状预测。5.一种模型训练方法，包括：针对至少一个类别，找出指定预测模型中与所述至少一个类别一一关联的至少一个回归分支，其中，所述至少一个类别为样本图像中包含的目标的类别；以及对所述指定预测模型中与所述至少一个类别一一关联的至少一个回归分支中的每个回归分支，分别进行独立训练。6.根据权利要求5所述的方法，其中，所述指定预测模型中不同的回归分支对应于不同的类别。7.根据权利要求5或6所述的方法，其中，对所述指定预测模型中与所述至少一个类别一一关联的至少一个回归分支中的每个回归分支，分别进行独立训练，包括：利用同一样本集，对所述指定预测模型中与所述至少一个类别一一关联的所述至少一个回归分支中的所述每个回归分支，分别进行独立训练。8.根据权利要求5所述的方法，还包括：对初始预测模型中的分类分支进行训练，以得到所述指定预测模型；或者对所述每个回归分支成功完成训练后得到的预测模型中的分类分支进行训练，得到对应的目标预测模型。9.根据权利要求8所述的方法，其中，所述初始预测模型中的回归分支的卷积层通道参数是根据所述初始预测模型中的所述分类分支的卷积层通道参数配置的。10.一种目标预测装置，包括：类别确定模块，用于通过目标预测模型中的分类分支对图像进行前向预测，以确定被预测目标的类别；回归分支确定模块，用于找出所述目标预测模型中与所述类别关联的回归分支；以及
后向预测模块，用于利用所述目标预测模型中与所述类别关联的回归分支，对所述被预测目标进行后向预测。11.根据权利要求10所述的装置，其中：所述目标预测模型包括至少一个回归分支，所述至少一...

【专利技术属性】
技术研发人员：陈子亮，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：