【技术实现步骤摘要】
模型的约束参数确定方法、装置及电子设备
[0001]本公开涉及深度学习和计算机视觉等人工智能
,可应用于建筑施工,矿井作业,港口巡视等工业安全生产场景,具体涉及一种模型的约束参数确定方法、装置及电子设备。
技术介绍
[0002]随着新增的图像数据不断增长,容易导致模型对新增的图像数据的识别结果的准确度降低,因而需要对模型进行迭代,当前通常需要直接获取到新增的图像数据,并通过新增的图像数据对模型进行迭代,以提高模型对新增的图像数据的识别结果的准确度。
技术实现思路
[0003]本公开提供了一种模型的约束参数确定方法、装置及电子设备。
[0004]根据本公开的第一方面,提供了一种模型的约束参数确定方法,包括:
[0005]获取目标图像;
[0006]将所述目标图像输入至第一图像识别模型中进行特征提取,得到第一中间特征向量,并将所述目标图像输入至第二图像识别模型中进行特征提取,得到第二中间特征向量,所述第二图像识别模型为对所述第一图像识别模型进行迭代得到的模型;
[0007]计算所述第一中间特征向量与目标权重掩码的第一乘积向量,并计算所述第二中间特征向量与所述目标权重掩码的第二乘积向量,所述目标权重掩码根据所述第一图像识别模型输出的预测图像确定;
[0008]在所述第一乘积向量与所述第二乘积向量之间的相似度满足预设收敛条件的情况下,将所述相似度确定为所述第二图像识别模型的约束参数。
[0009]根据本公开的第二方面,提供了一种模型的约束参数确定装置,包括 ...
【技术保护点】
【技术特征摘要】
1.一种模型的约束参数确定方法,包括:获取目标图像;将所述目标图像输入至第一图像识别模型中进行特征提取,得到第一中间特征向量,并将所述目标图像输入至第二图像识别模型中进行特征提取,得到第二中间特征向量,所述第二图像识别模型为对所述第一图像识别模型进行迭代得到的模型;计算所述第一中间特征向量与目标权重掩码的第一乘积向量,并计算所述第二中间特征向量与所述目标权重掩码的第二乘积向量,所述目标权重掩码根据所述第一图像识别模型输出的预测图像确定;在所述第一乘积向量与所述第二乘积向量之间的相似度满足预设收敛条件的情况下,将所述相似度确定为所述第二图像识别模型的约束参数。2.根据权利要求1所述的方法,还包括:获取所述预测图像;确定所述预测图像中与图像预测相关的多个区域;根据所述多个区域的参数信息计算得到所述目标权重掩码。3.根据权利要求2所述的方法,其中,所述多个区域包括:第一区域和第二区域,其中,所述第一区域包括如下区域中的至少一种:预测框区域、真实框区域和背景区域,所述第二区域为目标框区域;所述多个区域的参数信息包括如下至少一项:所述第一区域的位置参数、所述第一区域的像素面积、所述第一区域的固定参数、所述第二区域的尺寸、所述第二区域的预设置信度。4.根据权利要求3所述的方法,其中,所述根据所述多个区域的参数信息计算得到所述目标权重掩码,包括:在所述目标框区域中的目标位置与所述预测框区域中的第一位置重合的情况下,通过所述预测框区域的像素面积的倒数、所述背景区域的固定参数、所述目标框区域的预设置信度、所述目标框区域的尺寸和所述预测框区域的中心点的位置参数,计算得到所述目标权重掩码;或者,在所述目标位置与所述真实框区域中的第二位置重合的情况下,通过所述真实框区域的像素面积的倒数、所述背景区域的固定参数、所述目标框区域的尺寸和所述预测框区域的中心点的位置参数,计算得到所述目标权重掩码;或者,在所述目标位置与所述背景区域中的第三位置重合的情况下,将所述背景区域的像素面积的倒数和所述背景区域的固定参数的乘积,确定为所述目标权重掩码。5.根据权利要求3所述的方法,其中,所述根据所述多个区域的参数信息计算得到所述目标权重掩码,包括:将所述第一区域的中心位置的权重掩码确定为第一权重掩码,并确定所述第一区域的预设方向上包括的位置的第二权重掩码,所述第一权重掩码大于所述第二权重掩码,所述预设方向为所述第一区域的中心位置至所述第一区域的边缘位置之间连线所在的方向;在所述第二区域的目标位置与所述第一区域中的预设位置重合的情况下,将所述预设位置对应的权重掩码确定为所述目标权重掩码。6.根据权利要求1所述的方法,还包括:
获取样本图像集中的第一样本图像子集和第二样本图像子集,所述第一样本图像子集中的样本图像对应的时间戳早于所述第二样本图像子集中的样本图像对应的时间戳;将所述第一样本图像子集中的K张样本图像的第三区域分别与所述第二样本图像子集中的K张样本图像的第四区域进行拼接,得到K张拼接样本图像,其中,K为正整数,且K小于或者等于所述第一样本图像子集包括的样本图像的数量;根据所述K张拼接样本图像对所述第二图像识别模型包括的检测头的至少部分参数进行更新。7.根据权利要求6所述的方法,其中,所述将所述第一样本图像子集中的K张样本图像的第三区域分别与所述第二样本图像子集中的K张样本图像的第四区域进行拼接,得到K张拼接样本图像,包括:获取更新图像;根据所述更新图像更新所述第二样本图像子集中的K张样本图像;将所述第一样本图像子集中的K张样本图像的第三区域分别与所述第二样本图像子集中更新后的K张样本图像的第四区域进行拼接,得到所述K张拼接样本图像。8.根据权利要求6所述的方法,还包括:获取M张预设样本图像,并对所述M张预设样本图像进行筛选,M为大于1的整数;将对所述M张预设样本图像进行筛选之后得到的预设样本图像输入至所述第二图像识别模型中进行预测,输出N张目标预测图像,N为大于1的整数;根据每张目标预测图像的预测参数,对所述N张目标预测图像进行筛选,得到所述第一样本图像子集包括的样本图像。9.根据权利要求8所述的方法,其中,每张目标预测图像具有对应的预测平均准确率,所述根据每张目标预测图像的预测参数,对所述N张目标预测图像进行筛选,得到所述第一样本图像子集包括的样本图像,包括:根据每张目标预测图像的预测平均准确率,确定每张目标预测图像的不确定性参数,所述预测平均准确率与所述不确定性参数一一对应;根据每张目标预测图像的不确定参数,对所述N张目标预测图像进行排序;将进行排序后的N张目标预测图像中的L张图像确定为所述第一样本图像子集包括的样本图像,L为大于1,且小于或等于N的整数,所述L张图像中每一张图像的不确定参数小于预设阈值。10.根据权利要求9所述的方法,其中,所述将进行排序后的N张目标预测图像中的L张图像确定为所述第一样本图像子集包括的样本图像,包括:对进行排序后的N张目标预测图像进行去重处理,得到H张目标预测图像,H为大于或等于L,且小于N的整数;将所述H张目标预测图像中的L张图像确定为所述第一样本图像子集包括的样本图像。11.根据权利要求1至10中任一项所述的方法,还包括:计算所述第一乘积向量与所述第二乘积向量之间的距离;在所述距离小于预设数值的情况下,确定所述第一乘积向量与所述第二乘积向量之间的相似度满足所述预设收敛条件。12.一种模型的约束参数确定装置,包括:
第一获取模块,用于获取目标图像;特征提取模块,用于将所述目标图像输入至第一图像识别模型中进行特征提取,得到第一中间特征向量,并将所述目标图像输入至第二图像识别模型中进行特征提取,得到第二中间特征向量,所述第二图像识别模型为对所述第一图像识别模型进行迭代得到的模型;第一计算模块,用于计算所述第一中间特征向量与目标权...
【专利技术属性】
技术研发人员:李迎港,聂磊,
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。