模型的训练方法、烟火检测方法、装置、电子设备及介质制造方法及图纸

本公开提供了深度学习模型的训练方法、烟火检测方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及深度学习领域。具体实现方案为：确定用于表征深度学习模型的评估性能的评估值，深度学习模型是利用第一样本图像集训练得到的；响应于检测到评估值未达到预定义范围，对第一样本图像集进行处理，得到第二样本图像集；以及利用第二样本图像集对深度学习模型进行训练。度学习模型进行训练。度学习模型进行训练。

【技术实现步骤摘要】
模型的训练方法、烟火检测方法、装置、电子设备及介质


[0001]本公开涉及人工智能
，尤其涉及深度学习领域，具体地，涉及一种深度学习模型的训练方法、烟火检测方法、装置、电子设备以及存储介质。

技术介绍

[0002]深度学习，也称为深度结构化学习或分层学习，是基于人工神经网络的更广泛的机器学习方法族的一部分。深度学习架构，例如深度神经网络、深度信念网络、循环神经网络和卷积神经网络，已经被应用于包括计算机视觉、语音识别、自然语言处理、音频识别、社交网络过滤、机器翻译、生物信息学、药物设计、医学图像分析、材料检查和棋盘游戏程序在内的领域。为保证各领域内输出结果的准确性，相应的模型训练必不可少。

技术实现思路

[0003]本公开提供了一种深度学习模型的训练方法、烟火检测方法、装置、电子设备以及存储介质。
[0004]根据本公开的一方面，提供了一种深度学习模型的训练方法，包括：
[0005]确定用于表征深度学习模型的评估性能的评估值，其中，所述深度学习模型是利用第一样本图像集训练得到的；响应于检测到所述评估值未达到预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习模型的训练方法，包括：确定用于表征深度学习模型的评估性能的评估值，其中，所述深度学习模型是利用第一样本图像集训练得到的；响应于检测到所述评估值未达到预定义范围，对所述第一样本图像集进行处理，得到第二样本图像集；以及利用所述第二样本图像集对所述深度学习模型进行训练。2.根据权利要求1所述的方法，其中，所述评估值包括召回率；所述确定用于表征深度学习模型的评估性能的评估值包括：利用所述深度学习模型对第一图像集中的每个图像进行检测，得到检测出目标信息的第一目标图像，其中，所述第一图像集中包括具有目标信息的第一图像；以及根据所述第一目标图像的数目与所述第一图像的数目的比值，确定所述召回率。3.根据权利要求1或2所述的方法，其中，所述评估值包括误检率；所述确定用于表征深度学习模型的评估性能的评估值包括：利用所述深度学习模型对第二图像集中的每个图像进行检测，得到检测出目标信息的第二目标图像，其中，所述第二图像集包括不具有目标信息的第二图像；以及根据所述第二目标图像的数目与所述第二图像的数目的比值，确定所述误检率。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述对所述第一样本图像集进行处理，得到第二样本图像集包括如下中的至少之一：对所述第一样本图像集进行数据增广处理，得到所述第二样本图像集；以及在所述第一样本图像集中增加与目标信息的相似度大于预设阈值的负样本图像，得到所述第二样本图像集。5.根据权利要求2
‑
4中任一项所述的方法，其中，所述目标信息包括烟雾信息和火灾信息其中至少之一。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述深度学习模型中包括可变形卷积子模型。7.根据权利要求1
‑
6中任一项所述的方法，其中，所述第二样本图像集包括具有如下至少一种信息的图像：云信息、雪山信息、灯光信息和太阳信息。8.根据权利要求1
‑
7中任一项所述的方法，其中，所述深度学习模型是在预训练模型的基础上，利用所述第一样本图像集训练得到的。9.一种烟火检测方法，包括：将待检测图像输入深度学习模型，得到检测结果；其中，所述深度学习模型是基于权利要求1
‑
8中任一项所述的训练方法训练得到的。10.一种深度学习模型的训练装置，包括：确定模块，用于确定用于表征深度学习模型的评估性能的评估值，其中，所述深度学习模型是利用第一样本图像集训练得到的；处理模块，用于响应于检测到所述评估值未达到预定义范围，对所述第一样本图像集进行处理，得到第二样本图像集；以及训练模块，用于...

【专利技术属性】
技术研发人员：安梦涛，程军，
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：