【技术实现步骤摘要】
一种模型训练方法、装置、设备及存储介质
[0001]本专利技术实施例涉及人工智能
,尤其涉及一种模型训练方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的发展,基于视频图像的行人智能标注技术成为一种可能。
[0003]现有技术中,基于训练样本集对第一模型进行训练,由于训练样本集中图像样本数量较多,训练时间长,因此,将多张图像样本随机裁剪拼接成一张新的图像样本,通过拼接后的新的图像样本构成的训练样本集对第一模型进行训练,由于新的图像样本是多张图像样本随机裁剪得到的,因此会出现图像样本中的行人数据缺失的情况,进而导致模型学习不充分,模型的准确度较低。
技术实现思路
[0004]本专利技术实施例提供一种模型训练方法、装置、设备及存储介质,解决了由于新的图像样本是多张图像样本随机裁剪得到的,会出现图像样本中的行人数据缺失的情况,进而导致模型学习不充分,模型的准确度较低的问题。
[0005]根据本专利技术的一方面,提供了一种模型训练方法,包括:
[0006]获取训练样本集中预设数量的图像样本;
[0007]获取第一图像和目标坐标;
[0008]根据所述目标坐标对所述预设数量的图像样本进行缩放,并根据所述目标坐标将缩放后的图像样本粘贴到第一图像中,得到目标图像样本;
[0009]通过所述目标图像样本训练第一模型,得到目标模型。
[0010]根据本专利技术的另一方面,提供了一种模型训练装置,该模型训练装置包括:
[0011]第 ...
【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:获取训练样本集中预设数量的图像样本;获取第一图像和目标坐标;根据所述目标坐标对所述预设数量的图像样本进行缩放,并根据所述目标坐标将缩放后的图像样本粘贴到第一图像中,得到目标图像样本;通过所述目标图像样本训练第一模型,得到目标模型。2.根据权利要求1所述的方法,其特征在于,根据所述目标坐标对所述预设数量的图像样本进行缩放,并根据所述目标坐标将缩放后的图像样本粘贴到第一图像中,得到目标图像样本,包括:根据所述目标坐标和所述图像样本的尺寸确定所述图像样本对应的缩放比;根据所述图像样本对应的缩放比对所述图像样本进行缩放,得到缩放后的图像样本;根据所述目标坐标确定预设数量的缩放后的图像样本的粘贴位置;根据预设数量的缩放后的图像样本的粘贴位置将预设数量的缩放后的图像粘贴到第一图像中,得到第二图像;对所述第二图像进行缩放,得到目标图像样本。3.根据权利要求1所述的方法,其特征在于,通过所述目标图像样本训练第一模型,得到目标模型,包括:根据至少一个目标图像样本生成目标图像样本集;将所述目标图像样本集中的目标图像输入第一模型中,得到预测框;根据所述预测框和所述预设数量的图像样本对应的目标框生成的目标函数训练所述第一模型的参数;返回执行将所述目标图像样本集中的目标图像输入第一模型中,得到预测框的操作,直至得到目标模型。4.根据权利要求3所述的方法,其特征在于,将所述目标图像样本集中的目标图像输入第一模型中,得到预测框,包括:对所述目标图像样本进行下采样,得到第一尺寸的第一特征图;对第一尺寸的第一特征图进行下采样得到第二尺寸的第一特征图;对第二尺寸的第一特征图进行下采样得到第三尺寸的第一特征图;对第三尺寸的第一特征图进行下采样得到第四尺寸的第一特征图;对第四尺寸的第一特征图进行卷积,得到第四尺寸的第二特征图;对第四尺寸的第二特征图进行上采样,得到第三尺寸的第二特征图;根据α1、β1、第三尺寸的第二特征图以及第三尺寸的第一特征图生成第三尺寸的第三特征图;对第三尺寸的第三特征图进行上采样,得到第二尺寸的第二特征图;根据α2、β2、第二尺寸的第二特征图以及第二尺寸的第一特征图生成第二尺寸的第三特征图;对第二尺寸的第三特征图进行上采样,得到第一尺寸的第二特征图;根据α3、β3、第一尺寸的第二特征图以及第一尺寸的第一特征图生成第一尺寸的第三特征图;
对第一尺寸的第三特征图进行卷积,得到第一尺寸的第四特征图;对第一尺寸的第四特征图进行下采样,得到第二尺寸的第四特征图;根据α4、β4、第二尺寸的第四特征图以及第二尺寸的第三特征图生成第二尺寸的第五特征图;对第二尺寸的第五特征图进行下采样,得到第三尺寸的第四特征图;根据α5、β5、第三尺寸的第四特征图以及第三尺寸的第三特征图生成第三尺寸的第五特征图;对第三尺寸的第五特征图进行下采样,得到第四尺寸的第三特征图;根...
【专利技术属性】
技术研发人员:周则儒,孙德兴,刘云根,周鹏威,
申请(专利权)人:广东电网有限责任公司东莞供电局,
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。