【技术实现步骤摘要】
基于人工智能的违章检测方法、装置、设备及存储介质
[0001]本公开涉及人工智能领域,具体涉及图像处理、数字孪生以及虚拟现实技术,可应用在智慧城市、城市治理、公安应急场景下。
技术介绍
[0002]在智慧城市、城市治理、公安应急等复杂场景下,由于不同城市的街道场景不同,对违章行为的定义也不同,导致相同物体在不同场景图像中的标签不同,从而使得目标检测模型输出的不确定性增加,导致模型的泛化能力很差。在标注预算受限的情况下,如果模型的训练数据中简单数据比例较大,则模型很难泛化至复杂场景。因此,亟需一种有效的违章检测模型的训练方法。
技术实现思路
[0003]本公开提供了一种基于人工智能的违章检测方法、装置、设备及存储介质。
[0004]根据本公开的一方面,提供了一种违章检测模型的训练方法,该方法包括:
[0005]将候选图像输入待训练的违章检测模型,得到所述候选图像的候选检测结果;
[0006]根据所述候选检测结果,确定所述候选图像是否为难例图像;
[0007]采用确定的难例图像,对所述违章检测模型进行训练,得到目标违章检测模型。
[0008]根据本公开的另一方面,提供了一种基于人工智能的违章事件检测方法,该方法包括:
[0009]获取待检测图像;
[0010]将所述待检测图像输入至目标违章检测模型,得到目标检测结果;
[0011]其中,所述目标违章检测模型根据本公开任一实施例所述的违章检测模型的训练方法训练得到。
[0012]根据本公 ...
【技术保护点】
【技术特征摘要】
1.一种违章检测模型的训练方法,包括:将候选图像输入待训练的违章检测模型,得到所述候选图像的候选检测结果;根据所述候选检测结果,确定所述候选图像是否为难例图像;采用确定的难例图像,对所述违章检测模型进行训练,得到目标违章检测模型。2.根据权利要求1所述的方法,其中,所述根据所述候选检测结果,确定所述候选图像是否为难例图像,包括:分别确定候选检测结果中的第一检测结果和第二检测结果;其中,所述第一检测结果通过所述违章检测模型中第一检测网络输出,所述第二检测结果通过所述违章检测模型中第二检测网络输出;所述第一检测网络和所述第二检测网络的网络结构相同;根据所述第一检测结果和/或所述第二检测结果,确定所述候选图像是否为难例图像。3.根据权利要求1所述的方法,其中,所述采用确定的难例图像,对所述违章检测模型进行训练,得到目标违章检测模型,包括:基于预设的难例图像在样本图像中的占比,从确定的难例图像和所述候选图像中选择所述样本图像;采用所述样本图像,对所述违章检测模型进行训练,得到目标违章检测模型。4.根据权利要求3所述的方法,其中,所述采用所述样本图像,对所述违章检测模型进行训练,包括:将所述样本图像输入所述违章检测模型中的特征提取网络,得到样本图像特征;分别将所述样本图像特征输入所述违章检测模型中的第一检测网络和第二检测网络,得到所述样本图像的第三检测结果和第四检测结果;根据所述第三检测结果、所述第四检测结果和所述样本图像的监督数据,确定训练损失;根据所述训练损失,对所述违章检测模型进行训练。5.根据权利要求4所述的方法,其中,所述根据所述第三检测结果、所述第四检测结果和所述样本图像的监督数据,确定训练损失,包括:根据所述第三检测结果和所述样本图像的监督数据,确定第一损失,以及根据所述第四检测结果和所述样本图像的监督数据,确定第二损失;根据所述第一损失和所述第二损失,确定监督损失;根据所述第三检测结果和所述第四检测结果,确定差异损失;根据所述监督损失和所述差异损失,确定训练损失。6.根据权利要求1所述的方法,其中,所述候选图像属于目标场景,待训练的违章检测模型与除所述目标场景之外的其他场景关联,所述目标违章检测模型与所述目标场景关联。7.一种基于人工智能的违章事件检测方法,包括:获取待检测图像;将所述待检测图像输入至目标违章检测模型,得到目标检测结果;其中,所述目标违章检测模型根据权利要求1
‑
6中任一项所述的违章检测模型的训练方法训练得到。8.一种违章检测模型的训练装置,包括:
候选检测结果确定模块,用于将候选图像输入待训练的违章检测模型,得到所述候选图像的候选检测结果;难例图像确定模块,用于根据所述候选检测结果,确定所述候选图像是否为难例图像;目标检测模型确定模块,用于采用确定的难例图像,对所述违章检测模型进行训练,得到目标违章检测模型。9.根据权利要求8所述的装置,其中,所述难例图像确定模块具体用于:分别确定候选检测结果中的第一检测结果和第二检测结果;其中,所述第一检测结果通过所...
【专利技术属性】
技术研发人员:赵一麟,沈智勇,陆勤,龚建,孙珂,
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:
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。