模型的约束参数确定方法、装置及电子设备制造方法及图纸

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，涉及深度学习和计算机视觉等人工智能技术领域，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，所述方法，包括：获取目标图像；将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；计算第一中间特征向量与目标权重掩码的第一乘积向量，并计算第二中间特征向量与目标权重掩码的第二乘积向量，目标权重掩码根据第一图像识别模型输出的预测图像确定；在第一乘积向量与第二乘积向量之间的相似度满足预设收敛条件的情况下，将相似度确定为第二图像识别模型的约束参数。约束参数。约束参数。

【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：
[0010]第一获取模块，用于获取目标图像；
[0011]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；
[0012]第一计算模块，用于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；
[0013]第一确定模块，用于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。
[0014]根据本公开的第三方面，提供了一种电子设备，包括：
[0015]至少一个处理器；以及
[0016]与至少一个处理器通信连接的存储器；其中，
[0017]存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
[0018]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面中的任一项方法。
[0019]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面中的任一项方法。
[0020]本公开实施例中，计算第一中间特征向量与目标权重掩码的第一乘积向量，以及，计算第二中间特征向量与目标权重掩码的第二乘积向量，而目标权重掩码根据第一图像识别模型输出的预测图像确定，在第一乘积向量与第二乘积向量之间的相似度满足预设收敛条件的情况下，将相似度确定为第二图像识别模型的约束参数，这样，可以使得第二图像识别模型保留第一图像识别模型的记忆能力，减少第二图像识别对目标图像对应的类别和域的抑制，从而缩短了第二图像识别模型的训练时长，降低了第二图像识别模型的训练成本。
[0021]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]图1为本公开实施例提供的一种模型的约束参数确定方法的流程图；
[0023]图2为本公开实施例提供的模型的约束参数确定方法中的预测图像的示意图之一；
[0024]图3为本公开实施例提供的模型的约束参数确定方法中的预测图像的示意图之二；
[0025]图4为本公开实施例提供的模型的约束参数确定方法中的拼接样本图像的示意图；
[0026]图5为本公开实施例提供的模型的约束参数确定装置的结构示意图之一；
[0027]图6为本公开实施例提供的模型的约束参数确定装置的结构示意图之二；
[0028]图7为本公开实施例提供的模型的约束参数确定装置的结构示意图之三；
[0029]图8为本公开实施例提供的模型的约束参数确定装置包括的拼接模块的结构示意图；
[0030]图9为本公开实施例提供的模型的约束参数确定装置的结构示意图之四；
[0031]图10为本公开实施例提供的模型的约束参数确定装置包括的第二筛选模块的结构示意图；
[0032]图11为本公开实施例提供的模型的约束参数确定装置包括的第二确定子模块的结构示意图；
[0033]图12为本公开实施例提供的模型的约束参数确定装置的结构示意图之五；
[0034]图13是用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
[0035]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识
到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0036]参见图1，图1为本公开实施例提供的一种模型的约束参数确定方法的流程图，如图1所示，模型的约束参数确定方法，包括如下步骤：
[0037]步骤S101、获取目标图像。
[0038]其中，目标图像的具体内容在此不做限定，目标图像的内容与获取该目标图像的场景相关，可选地，场景可以为包括危险因素的场景，例如：场景可以包括如下场景中的至少一种：建筑施工、矿井作业和港口巡视等场景，而目标图像的内容可以为对应的场景中存在的各种因素，如当场景为建筑施工时，目标图像的内容可以包括处于建设状态的建筑物体。
[0039]其中，目标图像的获取方式在此不做限定，可选地，本实施例可以应用于电子设备上，而电子设备可以直接通过摄像头采集到上述目标图像，也可以接收其他电子设备发送的上述目标图像。
[0040]步骤S102、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。
[0041]其中，将某一张图像输入至第一图像识别模型和第二图像识别模型中，第一图像识别模型和第二图像识别模型可以通过该图像识别该图像对应的场景是否存在危险因本文档来自技高网...

【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：