对象识别模型训练方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种对象识别模型训练方法及装置、电子设备和存储介质，所述方法根据对应的图像类别确定多个第一对象图像的类别标签，并根据各类别标签对应的采样率，分别对各类别标签对应的第一对象图像进行采样，得到多个第二对象图像，将各第二对象图像作为样本训练对象识别模型。本公开实施例可以通过添加类别标签，并根据标签对应的采样率分别对每一类第一对象图像进行抽样，使得抽样得到各类别的多个第二对象图像数量按照预期比例分布，能够在部分类别图像数量较少的情况下保证训练数据的均衡，提升对象识别模型的训练效果，以及在应对各种场景时的鲁棒性。对各种场景时的鲁棒性。对各种场景时的鲁棒性。

【技术实现步骤摘要】
对象识别模型训练方法及装置、电子设备和存储介质


[0001]本公开涉及计算机
，尤其涉及一种对象识别模型训练方法及装置、电子设备和存储介质。

技术介绍

[0002]在对象识别领域中，在对出现次数较少的稀有场景进行对象识别时，模型往往因训练数据中缺少该稀有场景的样本难以得到准确的识别结果。相关技术的解决方式为在训练集中多加入出现次数较少的稀有场景样本以更新模型，但因为稀有场景样本难以获取，短时间之内难以对模型进行调节。

技术实现思路

[0003]本公开提出了一种对象识别模型训练方法及装置、电子设备和存储介质技术方案，旨在提高对象识别模型在识别出现次数较少的场景时的准确程度。
[0004]根据本公开的第一方面，提供了一种对象识别模型训练方法，包括：
[0005]根据对应的图像类别确定多个第一对象图像的类别标签；
[0006]根据各所述类别标签对应的采样率，分别对各类别标签对应的第一对象图像进行采样，得到多个第二对象图像；
[0007]将各所述第二对象图像作为样本训练对象识别模型。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别模型训练方法，其特征在于，所述方法包括：根据对应的图像类别确定多个第一对象图像的类别标签；根据各所述类别标签对应的采样率，分别对各类别标签对应的第一对象图像进行采样，得到多个第二对象图像；将各所述第二对象图像作为样本训练对象识别模型。2.根据权利要求1所述的方法，其特征在于，所述图像类别表征所述第一对象图像中包含的对象的类别。3.根据权利要求1或2所述的方法，其特征在于，所述根据对应的图像类别确定多个第一对象图像的类别标签包括：响应于所述第一对象图像中包括未被遮挡的对象，确定所述第一对象的类别标签为第一类；响应于所述第一对象图像中包括被部分或全部遮挡的对象，确定所述第一对象图像的类别标签为第二类。4.根据权利要求1
‑
3中任意一项所述的方法，其特征在于，所述方法还包括：确定各所述类别标签对应第一对象图像的图像数量；根据各所述图像数量确定对应的采样率。5.根据权利要求4所述的方法，其特征在于，所述类别标签对应的图像数量值越大时，对应的采样率越低。6.根据权利要求1
‑
5中任意一项所述的方法，其特征在于，所述将各所述第二对象图像作为样本训练对象识别模型包括：确定各所述第二对象图像对应的标注结果，所述标注结果用于表征所述第二对...

【专利技术属性】
技术研发人员：杨昆霖，刘诗男，侯军，伊帅，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：