图像预测模型训练及图像识别方法、装置及存储介质制造方法及图纸

本公开提供一种图像预测模型训练及图像识别方法，装置及计算机存储介质，包括：模型预测步骤，根据图像预测模型的权重向量、权重向量的权重向量模长、训练像素的特征向量，获得训练像素的类别预测结果；参数更新步骤，根据权重向量、权重向量模长，更新权重向量；重复交替执行模型预测步骤和参数更新步骤，直至图像预测模型训练完成。本公开通过针对图像预测模型的输出层进行归一化处理，以弥补网络处理类别不平衡所导致的模型预测准确率下降的问题。别不平衡所导致的模型预测准确率下降的问题。别不平衡所导致的模型预测准确率下降的问题。

【技术实现步骤摘要】
图像预测模型训练及图像识别方法、装置及存储介质


[0001]本公开实施例涉及图像识别
，特别涉及一种图像预测模型训练及图像识别方法、装置及计算机存储介质。

技术介绍

[0002]目前，在利用卷积神经网络进行图像分割任务时，常常会遇到图像像素类别不平衡的问题，例如，在针对交通路面进行场景分割时，由于图像中机动车道的区域面积大于非机动车道的区域面积，导致图像中属于非机动车道的像素个数往往远小于机动车道的像素个数，而图像中不同类别像素分布的不平衡，会导致神经网络模型的训练不充分，尤其是针对分布较少的像素类别的识别训练效果较差。
[0003]有鉴于此，亟需一种改进的模型训练方式，以解决由于像素类别分布不平衡，导致模型训练较差的问题。

技术实现思路

[0004]鉴于上述问题，本公开提供一种图像预测模型训练及图像识别方法，可改善由于像素类别分布不平衡而导致模型训练效果不佳的问题。
[0005]根据本公开的第一方面，提供一种图像预测模型训练方法，包括：模型预测步骤，根据图像预测模型的权重向量、所述权重向量的权重向量模长、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像预测模型训练方法，其特征在于，包括：模型预测步骤，根据图像预测模型的权重向量、所述权重向量的权重向量模长、训练像素的特征向量，获得所述训练像素的类别预测结果；参数更新步骤，根据所述权重向量、所述权重向量模长，更新所述权重向量；重复交替执行所述模型预测步骤和所述参数更新步骤，直至所述图像预测模型训练完成。2.根据权利要求1所述的图像预测模型训练方法，其特征在于，所述模型预测步骤包括：根据所述图像预测模型的输出层的所述权重向量、所述权重向量模长、所述训练像素的特征向量、预设类别预测规则，获得所述训练像素的所述类别预测结果；其中，所述预设类别预测规则表示为：V＝(w/|w|)
×
x其中，所述V表示所述类别预测结果,所述w表示所述权重向量，所述|w|所述权重向量模长，所述x表示所述训练像素的特征向量。3.根据权利要求2所述的图像预测模型训练方法，其特征在于，所述方法还包括：根据所述图像预测模型的输出层的特征通道数、所述图像预测模型的预测类别的数量，获得所述图像预测模型的所述权重向量。4.根据权利要求2所述的图像预测模型训练方法，其特征在于，所述权重向量模长等于1。5.根据权利要求2所述的图像预测模型训练方法，其特征在于，所述参数更新步骤包括：根据所述权重向量、所述权重向量模长、预设更新规则，更新所述权重向量；其中，所述预设更新规则表示为：w＝w/|w|其中，所述w表示所述权重向量，所述|w|所述权重向量模长。6.根据权利要求1所述的图像预测模型训练方法，其特征在于，所述图像预测模型包括卷积神经网络。7.根据权利要求1或6所述的图像预测模型训练方法，其特征在于，所述图像...

【专利技术属性】
技术研发人员：张泽宇，
申请(专利权)人：云从科技集团股份有限公司，
类型：发明
国别省市：