【技术实现步骤摘要】
一种图像处理模型的训练方法、装置及电子设备
[0001]本申请涉及图像识别
，尤其涉及一种图像处理模型的训练方法、装置及电子设备。
技术介绍
[0002]在电力检修作业现场，为了保障工作人员的安全，防止出现高空作业人员坠落的事故，要求工作人员按照规定佩戴安全带。为了提高安全带监管的效率，需要一套智能的安全带检测系统。
[0003]目前，为了检测工作人员是否佩戴安全带，采用的方式一是基于深度卷积神经网络判别安全帽、安全带的检测方法，通过深度卷积神经网络模型以及用于锁定安全帽、安全带的空间相关性模型，对视频中的工作人员图像进行检测并判别其安全帽、安全带的佩戴情况，基于深度卷积神经网络模型以及空间相关性模型得到图像处理模型，但是，图像处理模型在深度卷积神经网络训练过程中，通过降低通道数以及增加通道数对图像特征再次进行提取，当通道数增加之后，将获得更多图像特征，将导致图像处理模型在训练过程中的过拟合，虽然过拟合会使得图像处理模型训练过程中的预测结果准确度高，但是将该图像处理模型用于实际预测时，实际的预测结果准确率反而降...
【技术保护点】
【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，包括：对第一图像处理模型进行多次迭代训练，基于多次迭代训练中每次迭代训练得到的图像处理模型和每次迭代训练对应的损失占比，确定所述第一图像处理模型对应的目标图像处理模型，其中所述多次迭代训练中的第i+1次迭代训练包括：根据第i次迭代训练对应的第i损失占比，对第i+1次迭代训练使用的第i样本图像集中至少部分第i样本图像进行样本扩展处理，获得至少一个扩展样本；基于所述至少一个扩展样本和所述第i样本图像集，对第i次迭代训练得到的第i图像处理模型进行训练，得到第i+1次迭代训练对应的第i+1图像处理模型和第i+1次迭代训练对应的第i+1损失占比，其中，所述i为正整数。2.如权利要求1所述的方法，其特征在于，基于多次迭代训练中每次迭代训练得到的图像处理模型和每次迭代训练对应的损失占比，确定所述第一图像处理模型对应的目标图像处理模型，包括：获取多次迭代训练的M个图像处理模型以及M个损失占比，其中，所述M正整数；将最小损失占比对应的图像处理模型作为目标图像处理模型。3.如权利要求1所述的方法，其特征在于，获得第一图像处理模型的过程，包括：将第一样本图像输入预设网络中进行训练，获得第一图像处理模型。4.如权利要求1所述的方法，其特征在于，根据第i次迭代训练对应的第i损失占比，对第i+1次迭代训练使用的第i样本图像集中至少部分第i样本图像进行样本扩展处理，获得至少一个扩展样本，包括：判断接收到的所述第i损失占比是否超过预设阈值；若是，则将所述第i样本图像集中至少部分的第i样本图像进行缩放处理，得到多个缩放图像，并将所述多个缩放图像中相同分辨率的缩放图像进行拼接，获得至少一个第一扩展样本，将所述第一扩展样本确定为所述第i样本图像集中的第i样本图像；若否，则将所述第i样本图像集中至少部分的第i样本图像进行旋转处理，得到多个旋转图像，并将所述多个旋转图像中相同尺寸的旋转图像按照图像的权重值将像素点进行相加，获得至少一个第二扩展样本，将所述第二扩展样本确定为所述第i样本图像集中的第i样本图像。5.如权利要求1所述的方法，其特征在于，对第i次迭代训练得到的第i图像处理模型进行训练之前，包括：将RGB空间的所述至少一个扩展样本和所述第i样本图像集中的每张图像转换到HIS空间；将所述每张图像按照亮度分解为高频分量以及低频分量，高频分量用线性加权增强处理，低频分量用直方图均衡处理；将所述每张图像中用线性加权增强处理的高频分量以及用直方图均衡处理的低频分量进行融合，并将融合后的每张图像由HIS空间逆变到RGB空间。6.如权利要求1所述的方法，其特征在于，基于所述至少一个扩展样本和所述第i样本图像集，对第i次迭代训练得到的第i图像处理模型进行训练，得到第i+1次迭代训练对应的第i+1图像处理模型和第i+1次迭代训练对应的第i+1损失占比，包括：将所述至少一个扩展样本和所述第i样本图像集输入预测网络进行训练，获得所述第i
+1样本图像集的图像特征集，其中，所述图像特征集中的图像具有不同的分辨率；基于所述图像特征集对所述第i+1样本图像集进行预测训练，获得第i+1损失占比。7.如权利要求6所述的方法，...
【专利技术属性】
技术研发人员：李坡，王原原，郑佳，
申请(专利权)人：浙江大华技术股份有限公司，
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。