一种识别模型的训练方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及图像识别技术领域，尤其涉及一种识别模型的训练方法、装置、电子设备和存储介质，用以提高对目标物体的穿戴识别准确率。其中，方法包括：根据目标训练样本集，对训练中的识别模型执行循环迭代训练，获得已训练的用于确定目标对象是否穿戴目标物体的识别模型；在一次训练中，对目标训练样本中的目标样本图像进行特征提取，获得至少两个样本对象特征，基于样本对象特征获得目标样本图像的预测穿戴类别，以及各样本对象特征的预测场景类别；基于预测穿戴类别和标注穿戴类别之间的差异，和各预测场景类别与标注场景类别之间的差异，对识别模型进行参数调整。由于本申请通过已训练的识别模型确定目标对象是否穿戴目标物体，提高识别准确率。提高识别准确率。提高识别准确率。

【技术实现步骤摘要】
一种识别模型的训练方法、装置、电子设备和存储介质


[0001]本申请涉及图像识别
，尤其涉及一种识别模型的训练方法、装置、电子设备和存储介质。

技术介绍

[0002]随着智能化技术的普及，各行各业对于人体穿戴合规的需求逐渐增强，以安全帽穿戴为例，在工地作业现场，为保障工作人员的人身安全，防止高空坠物砸伤作业人员，要求严格按照规定佩戴安全帽。通过规范相关人员的服饰穿戴行为，能够有效减少因违规穿戴导致的生产、操作事故。
[0003]相关技术中，主要是通过以下方式检测视频中的人员是否穿戴目标物体的：引入时序隐藏网络，融合当前帧视频图像的卷积特征与上一帧视频图像的卷积特征，并基于融合后的卷积特征对当前帧视频图像进行检测，以判断人体是否穿戴目标物体。但是，上述方式引入时序隐藏网络导致检测速度较慢，并且由于作业现场背景杂乱，将上述方式部署于不同的作业现场时，泛化性较差，进而对人体是否穿戴目标物体的识别准确率较低。因此，如何提高识别目标对象是否穿戴目标物体的准确率是目前亟待解决的问题。

技术实现思路

[0004]本申请实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别模型的训练方法，其特征在于，该方法包括：根据目标训练样本集，对训练中的识别模型执行循环迭代训练，获得已训练的识别模型；所述已训练的识别模型用于识别待识别图像中的目标对象是否穿戴目标物体；每个目标训练样本包括：目标样本图像，及表征所述目标样本图像中的样本对象是否穿戴目标物体的标注穿戴类别，和表征所述目标样本图像的采样场景的标注场景类别；在一次循环迭代训练中执行以下操作：利用所述训练中的识别模型对选取的目标训练样本中的目标样本图像进行多维度特征提取，获得至少两个不同维度的样本对象特征，并基于所述至少两个不同维度的样本对象特征，获得所述目标样本图像对应的预测穿戴类别，及各个样本对象特征对应的预测场景类别；基于所述预测穿戴类别和所述标注穿戴类别之间的差异，及各个预测场景类别与所述标注场景类别之间的差异，对所述训练中的识别模型进行参数调整。2.如权利要求1所述的方法，其特征在于，所述样本对象特征包括第一样本对象特征、第二样本对象特征和第三样本对象特征；所述利用所述训练中的识别模型对选取的目标训练样本中的目标样本图像进行多维度特征提取，获得至少两个不同维度的样本对象特征，包括：对所述目标样本图像进行全局和局部特征提取，获得样本图像特征；对所述样本图像特征进行特征映射，获得图像维度的第一样本对象特征；对所述第一样本对象特征进行特征映射，获得实例维度的第二样本对象特征；对所述第二样本对象特征进行穿戴特征提取，获得像素维度的第三样本对象特征。3.如权利要求2所述的方法，其特征在于，通过以下方式获得所述样本对象特征：对待映射特征进行目标检测，获得检测目标的预测边界信息；基于所述预测边界信息，将所述待映射特征映射为所述样本对象特征；其中，若所述待映射特征为所述样本图像特征，则所述检测目标为样本对象，所述样本对象特征为所述第一样本对象特征；若所述待映射特征为所述第一样本对象特征，则所述检测目标为所述样本对象中与所述目标物体穿戴相关的目标部位，所述样本对象特征为所述第二样本对象特征。4.如权利要求1所述的方法，其特征在于，所述识别模型包括域分类网络；通过以下方式获得所述各个样本对象特征对应的预测场景类别，包括：分别将所述各个样本对象特征输入对应的所述域分类网络，获得所述各个样本对象特征各自对应的预测场景类别。5.如权利要求2所述的方法，其特征在于，所述识别模型包括穿戴分类网络；所述基于所述至少两个不同维度的样本对象特征，获得所述目标样本图像对应的预测穿戴类别，包括：将所述第三样本对象特征输入所述穿戴分类网络，获得所述目标样本图像对应的预测穿戴类别。6.如权利要求3所述的方法，其特征在于，每个目标训练样本还包括：所述目标样本图像的中的样本对象的标注边界信息以及所述目标部位的标注边界信息；所述对待映射特征进行目标检测，获得检测目标的预测边界信息，包括：
基于所述待映射特征中的至少一个正样本单元，对所述检测目标进行边界预测，获得所述检测目标的至少一个候选边界信息；基于所述至少一个候选边界信息的置信度，确定所述检测目标的预测边界信息，所述至少一个候选边界信息的置信度是基于各个候选边界信息与相应的标注边界信息之间的交并比确定的。7.如权利要求6所述的方法，其特征在于，所述预测边界信息包括：所述检测目标的预测中心位置坐标和预测对象框尺寸；所述基于所述待映射特征中的至少一个正样本单元，对所述检测目标进行边界预测，获得所述检测目标的至少一个预测边界信息，包括：对每个正样本单元，分别执行以下操作：针对一个正样本单元，确定所述检测目标的中心位置信息，以及所述中心位置信息对应的位置偏移信息；基于所述位置偏移信息对所述中心位置信息进行调整，获得所述检测目标的预测中心位置坐标；基于所述预测中心位置坐标，获得所述检测目标的预测对象框尺寸。8.如权利要求6所述的方法，其特征在于，通过以下方式获得所述正样本单元：基于所述标注边界信息，确定至少一个候选样本单元；基于所述各个候选样本单元各自的候选边界信息与相应的标注边界信息之间的差异，确定所述各个候选样本单元各自的损失值；将各个损失值按照大小排序，并将排序结果在第一预设次序范围内的损失值对应的候选样本单元作为所述正样本单元。9.如权利要求8所述的方法，其特征在于，通过以下方式...

【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：