本发明专利技术提供了一种区分阈值生成、目标识别模型训练、目标识别方法及装置，其中，区分阈值生成方法包括：获取多条图像数据集；将各图像数据集分别输入至识别模型中，得到各图像数据集对应的图像置信度；分别确定将各图像置信度作为候选区分阈值时，获取各图像数据集中待识别对象的识别结果；根据识别结果确定各候选区分阈值对应的精确率；在大于精确率阈值的精确率中，选择与精确率阈值相差最小的精确率所对应的候选区分阈值确定为最终区分阈值。本发明专利技术提供的区分阈值生成方法，通过对图像数据集进行训练，确定最终区分阈值，通过生成的区分阈值，可以快速的对待识别对象进行识别，提高对目标车辆判断的准确性。目标车辆判断的准确性。目标车辆判断的准确性。
【技术实现步骤摘要】
区分阈值生成、目标识别模型训练、目标识别方法及装置
[0001]本专利技术涉及数据处理
，具体涉及一种区分阈值生成、目标识别模训练、目标识别方法及装置。
技术介绍
[0002]随着文明城市、平安城市建设的进一步落实，努力创造安全、有序、畅通的交通环境已经成为各大城市交通管理部门的首要目标，而集中开展针对渣土车的一系列交通违法整治工作更成为现阶段交警工作的重中之重。
[0003]现有技术中，将目标车辆的图像信息输入到神经网络模型中，得到目标车辆的置信度，将目标车辆的置信度与区分阈值进行比较，当置信度小于区分阈值时，判定该目标车辆不是渣土车，当置信度大于区分阈值时，判定该目标车辆为渣土车，区分阈值通常是人为设定的，当区分阈值设置的较大，容易出现将渣土车误判为非渣土车的情况，当区分阈值设置的较小，容易出现将非渣土车误判为渣土车的情况，由此可见，如何设置合理的区分阈值是亟待解决的一个问题。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种区分阈值生成、目标识别模型训练、目标识别方法及装置，以解决在车辆识别时，错误率较高的问题。
[0005]第一方面，本专利技术提供了一种区分阈值生成方法，包括：获取多条图像数据集，所述图像数据集中含有待识别对象；将各图像数据集分别输入至识别模型中，得到各图像数据集对应的图像置信度；分别将各图像置信度作为候选区分阈值时，获取各图像数据集中待识别对象的识别结果；根据所述识别结果确定各候选区分阈值对应的精确率；在大于精确率阈值的精确率中，选择与精确率阈值相差最小的精确率所对应的候选区分阈值确定为最终区分阈值。
[0006]可选的，根据所述识别结果确定候选区分阈值对应的精确率，包括：根据所述候选区分阈值对应的各图像数据集的识别结果，以及各图像数据集的真实值，计算所述候选区分阈值对应的将正类预测为正类的样本数量和将负类预测成正类的样本数量；根据所述将正类预测为正类的样本数量和将负类预测成正类的样本数量计算所述候选区分阈值对应的精确率。
[0007]可选的，通过如下公式计算所述精确率：其中，P为所述精确率，TP表示将正类预测为正类的样本数量，FP表示负类预测成正类的样本数量。
[0008]第二方面，本专利技术提供了一种目标识别模型训练方法，包括:获取多条图像数据集；通过所述图像数据集对神经网络模型进行迭代训练，得到多个中间模型，一次迭代过程对应一个中间模型，所述中间模型对所述图像数据集进行计算得到图像数据集对应的置信度；将各中间模型对所述图像数据集进行计算得到的置信度与各中间模型对应的区分阈值
进行比较，得到各中间模型对各所述图像数据集的识别结果，与中间模型对应的区分阈值通过如第一方面所述的区分阈值生成方法确定；根据各所述中间模型的识别结果确定各所述中间模型的召回率；将所述召回率最大的中间模型确定为目标识别模型。
[0009]第三方面，本专利技术提供了一种目标识别方法，包括：获取待识别，所述待识别图像中包含待识别对象；将所述待识别图像输入目标识别模型，得到所述待识别图像的图像置信度；将所述图像置信度与所述目标识别模型对应的区分阈值进行比较，得到所述待识别对象的识别结果，所述目标识别模型通过如第二方面所述的目标识别模型训练方法训练得到。
[0010]第四方面，本专利技术提供了一种区分阈值装置，包括：第一获取模块，用于获取多条图像数据集，所述图像数据集中含有待识别对象；置信度生成模块，用于将各图像数据集分别输入至识别模型中，得到各图像数据集对应的图像置信度；获取结果模块，用于分别将各图像置信度作为候选区分阈值时，获取各图像数据集中待识别对象的识别结果；第一确定模块，用于根据所述识别结果确定各候选区分阈值对应的精确率；最终确定模块，用于在大于精确率阈值的精确率中，选择与精确率阈值相差最小的精确率所对应的候选区分阈值确定为最终区分阈值。
[0011]第五方面，本专利技术提供了一种目标识别模型训练装置，包括：第二获取模块，用于获取多条图像数据集；置信度计算模块，用于通过所述图像数据集对神经网络模型进行迭代训练，得到多个中间模型，一次迭代过程对应一个中间模型，所述中间模型对所述图像数据集进行计算得到图像数据集对应的置信度；第一比较模块，用于将各中间模型对所述图像数据集进行计算得到的置信度与各中间模型对应的区分阈值进行比较，得到各中间模型对各所述图像数据集的识别结果，与中间模型对应的区分阈值通过如第一方面所述的区分阈值生成方法确定。第二确定模块，用于根据各所述中间模型的识别结果确定各所述中间模型的召回率；第三确定模块，用于将所述召回率最大的中间模型确定为目标识别模型。
[0012]第六方面，本专利技术提供了一种目标识别装置，包括：第三获取模块，用于获取待识别，所述待识别图像中包含待识别对象；第四获取模块，用于将所述待识别图像输入目标识别模型，得到所述待识别图像的图像置信度；第二传输模块，用于将所述图像置信度与目标识别模型对应的区分阈值进行比较，得到所述待识别对象的识别结果，所述目标识别模型通过如第二方面所述的目标识别模型训练方法训练得到。
[0013]第七方面，本专利技术提供一种计算机设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如第一方面提供的区分阈值生成方法，或，如第二方面提供的目标识别模型训练方法，或，如第三方面提供的目标识别方法。
[0014]第八方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如第一方面提供的区分阈值生成方法，或，如第二方面提供的目标识别模型训练方法，或，如第三方面提供的目标识别方法。
[0015]本专利技术技术方案，具有如下优点：
[0016]本专利技术提供的区分阈值生成、目标识别模型训练、目标识别方法及装置，通过将大量的图像数据集送入至识别模型中，生成多个置信度，再通过多个置信度和精确率阈值确定该识别模型对应的区分阈值，通过实施本专利技术，对图像数据集进行训练，并生成多个区分
阈值，在保证精确率的情况下，确定一个最为合适的最终区分阈值，通过最终区分阈值可以快速的对待识别对象进行识别，提高对目标车辆判断的准确性。
附图说明
[0017]通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：
[0018]图1为本专利技术实施例中区分阈值生成方法的一个具体示例的流程图；
[0019]图2为本专利技术实施例中目标识别模型训练方法的一个具体示例的流程图；
[0020]图3为本专利技术实施例中目标识别方法的一个具体示例的流程图；
[0021]图4为本专利技术实施例中区分阈值生成装置的一个具体示例的结构示意图；
[0022]图5为本专利技术实施例中目标识别模型训练装置的一个具体示例的结构示意图；
[0023]图6为本专利技术实施例中目标识别装置的一个具体本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种区分阈值生成方法，其特征在于，包括如下步骤：获取多条图像数据集，所述图像数据集中含有待识别对象；将各图像数据集分别输入至识别模型中，得到各图像数据集对应的图像置信度；分别将各图像置信度作为候选区分阈值时，获取各图像数据集中待识别对象的识别结果；根据所述识别结果确定各候选区分阈值对应的精确率；在大于精确率阈值的精确率中，选择与精确率阈值相差最小的精确率所对应的候选区分阈值确定为最终区分阈值。2.根据权利要求1所述的区分阈值生成方法，其特征在于，根据所述识别结果确定候选区分阈值对应的精确率，包括：根据所述候选区分阈值对应的各图像数据集的识别结果，以及各图像数据集的真实值，计算所述候选区分阈值对应的将正类预测为正类的样本数量和将负类预测成正类的样本数量；根据所述将正类预测为正类的样本数量和将负类预测成正类的样本数量计算所述候选区分阈值对应的精确率。3.根据权利要求2所述的区分阈值生成方法，其特征在于，通过如下公式计算所述精确率：其中，P为所述精确率，TP表示将正类预测为正类的样本数量，FP表示负类预测成正类的样本数量。4.一种目标识别模型训练方法，其特征在于，包括：获取多条图像数据集；通过所述图像数据集对神经网络模型进行迭代训练，得到多个中间模型，一次迭代过程对应一个中间模型，所述中间模型对所述图像数据集进行计算得到图像数据集对应的置信度；将各中间模型对所述图像数据集进行计算得到的置信度与各中间模型对应的区分阈值进行比较，得到各中间模型对各所述图像数据集的识别结果，与中间模型对应的区分阈值通过如权利要求1
‑
3中任一项所述的区分阈值生成方法确定；根据各所述中间模型的识别结果确定各所述中间模型的召回率；将所述召回率最大的中间模型确定为目标识别模型。5.一种目标识别方法，其特征在于，包括：获取待识别，所述待识别图像中包含待识别对象；将所述待识别图像输入目标识别模型，得到所述待识别图像的图像置信度；将所述图像置信度与所述目标识别模型对应的区分阈值进行比较，得到所述待识别对象的识别结果，所述目标识别模型通过如权利要求4所述的目标识别模型训练方法训练得到。6.一种区分阈值生成装置，其特征在于，包括：第一获取模块，用于获取多条图像数据集，所述图像数据集中含有待识别对象；
置信度生成模块，用于将各图像数据集分别输入...
【专利技术属性】
技术研发人员：陈卓，张成，张伟，魏健康，毛宁，史晓蒙，王馨乐，吕晓鹏，张星，
申请(专利权)人：北京易华录信息技术股份有限公司，
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。