模型训练方法、装置及设备制造方法及图纸

本申请实施例提供一种模型训练方法、装置及设备。该方法包括：获取训练数据集和验证数据集，训练数据集和验证数据集分别包括多张样本图像、每个样本图像对应的样本区域和样本区域的样本识别结果；确定初始模型，并通过训练数据集对初始模型进行训练，得到第一模型；根据预设精度损失值和验证数据集，对第一模型进行剪裁处理，得到第二模型；对第二模型进行模型量化处理，得到目标模型，目标模型用于确定在图像中确定目标区域和目标区域的识别结果。在上述过程中，通过构建目标模型对检测结果图像进行自动识别，以获得检测结果图像对应的识别结果，无需人工进行识别，提高了对检测结果图像的识别效率。图像的识别效率。图像的识别效率。

【技术实现步骤摘要】
模型训练方法、装置及设备


[0001]本申请实施例涉及计算机
，尤其涉及一种模型训练方法、装置及设备。

技术介绍

[0002]目前，抗原试剂盒检测方法已成为一种常用的检测方法。相关部门可以对用户上传的抗原试剂盒的检测结果图像和填写的检测结果进行比对判断，来快速确定检测结果出现异常的人群，并对这部分人群进行追溯。
[0003]在相关技术中，工作人员通常先对用户上传的检测结果图像进行识别，得出一个识别结果，再将该识别结果与用户填写的检测结果进行比对验证，进而确定检测结果出现异常的人群。在上述过程中，对检测结果图像进行识别的过程，通常依赖于工作人员的目视检查，这种方式不但需要浪费工作人员大量的时间和精力，而且识别速度较慢，从而导致对检测结果图像的识别效率低。

技术实现思路

[0004]本申请实施例提供一种模型训练方法、装置及设备，可以对检测结果图像进行自动识别，无需人工进行识别，提高了对检测结果图像的识别效率。
[0005]第一方面，本申请实施例提供一种模型训练方法，包括：
[0006]获取训练数据集和验证数据集，所述训练数据集和所述验证数据集分别包括多张样本图像、每个样本图像对应的样本区域和所述样本区域的样本识别结果；
[0007]确定初始模型，并通过所述训练数据集对初始模型进行训练，得到第一模型；
[0008]根据预设精度损失值和所述验证数据集，对所述第一模型进行剪裁处理，得到第二模型；
[0009]对所述第二模型进行模型量化处理，得到目标模型，所述目标模型用于确定在图像中确定目标区域和所述目标区域的识别结果。
[0010]在一种可能的实施方式中，根据预设精度损失值和所述验证数据集，对所述第一模型进行剪裁处理，得到第二模型，包括：
[0011]根据所述预设精度损失值和所述验证数据集，确定所述第一模型中通道的目标剪裁比例；
[0012]根据所述第一模型中通道的目标剪裁比例，对所述第一模型进行剪裁处理，得到所述第二模型。
[0013]在一种可能的实施方式中，根据所述预设精度损失值和所述验证数据集，确定所述第一模型中通道的目标剪裁比例，包括：
[0014]按照多个预设剪裁比例对所述第一模型进行预剪裁，得到多个待选模型；
[0015]通过所述验证数据集对所述多个待选模型进行测试，得到每个预设剪裁比例对应的精度损失值；
[0016]根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预
设剪裁比例中确定所述目标剪裁比例。
[0017]在一种可能的实施方式中，根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定所述目标剪裁比例，包括：
[0018]根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定待选剪裁比例，所述待选剪裁比例对应的精度损失值小于或等于所述预设精度损失值；
[0019]将精度损失值与所述预设精度损失值差值最小的待选剪裁比例，确定为所述目标剪裁比例。
[0020]在一种可能的实施方式中，确定初始模型，包括：
[0021]获取YOLO模型；
[0022]将所述YOLO模型的主干网络更新为混洗网络，在所述YOLO模型中删除中尺度特征层，以及更新所述YOLO模型的损失函数，得到所述初始模型。
[0023]在一种可能的实施方式中，获取训练数据集和验证数据集，包括：
[0024]获取多个初始图像；
[0025]对所述多个初始图像进行增强处理，得到多个样本图像；
[0026]通过预设工具对所述多个样本图像进行标注处理，得到每个样本图像的图像识别结果；
[0027]根据所述多个样本图像和每个样本图像的图像识别结果，确定所述训练数据集和所述验证数据集。
[0028]在一种可能的实施方式中，针对所述多个初始图像中的任意一个初始图像；对所述初始图像进行增强处理，得到所述初始图像对应的多个样本图像，包括：
[0029]对所述初始图像进行如下处理中的至少一种，以得到所述初始图像对应的多个样本图像：缩放处理、翻转处理、平移处理、旋转处理、灰度填补处理、均值化处理、方差标准化处理、颜色变换处理、混合图像处理、随机多尺度操作处理。
[0030]在一种可能的实施方式中，通过所述训练数据集对初始模型进行训练，得到第一模型，包括：
[0031]通过所述初始模型对所述训练集中的样本图像进行处理，以在所述样本图像中确定预测区域，所述预测区域对应预测框；
[0032]确定所述样本区域对应的样本框的样本面积和样本中心点；
[0033]根据所述预测框的预测面积、预测中心点、所述样本面积和所述样本中心点，确定损失函数的损失值；
[0034]根据所述损失值更新所述初始模型的模型参数，直至所述初始模型收敛时，得到所述第一模型。
[0035]在一种可能的实施方式中，所述方法还包括：
[0036]确定待处理图像；
[0037]对所述待处理图像进行预处理；
[0038]通过所述目标模型对所述预处理后的图像进行处理，以确定得到第一目标区域、和所述第一目标区域的识别结果。
[0039]第二方面，本申请实施例提供一种模型训练装置，包括获取模块、第一确定模块、
剪裁模块、量化模块，其中，
[0040]所述获取模块用于，获取训练数据集和验证数据集，所述训练数据集和所述验证数据集分别包括多张样本图像、每个样本图像对应的样本区域和所述样本区域的样本识别结果；
[0041]所述第一确定模块用于，确定初始模型，并通过所述训练数据集对初始模型进行训练，得到第一模型；
[0042]所述剪裁模块用于，根据预设精度损失值和所述验证数据集，对所述第一模型进行剪裁处理，得到第二模型；
[0043]所述量化模块用于，对所述第二模型进行模型量化处理，得到目标模型，所述目标模型用于确定在图像中确定目标区域和所述目标区域的识别结果。
[0044]在一种可能的实施方式中，所述剪裁模块具体用于：
[0045]根据所述预设精度损失值和所述验证数据集，确定所述第一模型中通道的目标剪裁比例；
[0046]根据所述第一模型中通道的目标剪裁比例，对所述第一模型进行剪裁处理，得到所述第二模型。
[0047]在一种可能的实施方式中，所述剪裁模块具体用于：
[0048]按照多个预设剪裁比例对所述第一模型进行预剪裁，得到多个待选模型；
[0049]通过所述验证数据集对所述多个待选模型进行测试，得到每个预设剪裁比例对应的精度损失值；
[0050]根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定所述目标剪裁比例。
[0051]在一种可能的实施方式中，所述剪裁模块具体用于：
[0052]根据所述预设精度损失值和每个预设剪裁比例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取训练数据集和验证数据集，所述训练数据集和所述验证数据集分别包括多张样本图像、每个样本图像对应的样本区域和所述样本区域的样本识别结果；确定初始模型，并通过所述训练数据集对初始模型进行训练，得到第一模型；根据预设精度损失值和所述验证数据集，对所述第一模型进行剪裁处理，得到第二模型；对所述第二模型进行模型量化处理，得到目标模型，所述目标模型用于确定在图像中确定目标区域和所述目标区域的识别结果。2.根据权利要求1所述的方法，其特征在于，根据预设精度损失值和所述验证数据集，对所述第一模型进行剪裁处理，得到第二模型，包括：根据所述预设精度损失值和所述验证数据集，确定所述第一模型中通道的目标剪裁比例；根据所述第一模型中通道的目标剪裁比例，对所述第一模型进行剪裁处理，得到所述第二模型。3.根据权利要求2所述的方法，其特征在于，根据所述预设精度损失值和所述验证数据集，确定所述第一模型中通道的目标剪裁比例，包括：按照多个预设剪裁比例对所述第一模型进行预剪裁，得到多个待选模型；通过所述验证数据集对所述多个待选模型进行测试，得到每个预设剪裁比例对应的精度损失值；根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定所述目标剪裁比例。4.根据权利要求3所述的方法，其特征在于，根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定所述目标剪裁比例，包括：根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值，在所述多个预设剪裁比例中确定待选剪裁比例，所述待选剪裁比例对应的精度损失值小于或等于所述预设精度损失值；将精度损失值与所述预设精度损失值差值最小的待选剪裁比例，确定为所述目标剪裁比例。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，确定初始模型，包括：获取YOLO模型；将所述YOLO模型的主干网络更新为混洗网络，在所述YOLO模型中删除中尺度特征层，以及更新所述YOLO模型的损失函数，得到所述初始模型。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，获取训练数据集和验证数据集，包括：获取多个初始图像；对所述多个初始图像进行增强处理，得到多个样本图像；通过预设工具对所述多个样本图像进行标注处理，得到每个样本图像的图像识别结果；根据所述多个样本图像和每个样本图像的图像识别结果，确定所述训练数据集和所述
验证数据集。7.根据权利...

【专利技术属性】
技术研发人员：陈纬，刘志坚，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：