新设备专属化模型生成方法和系统技术方案

本申请提供一种新设备专属化模型生成方法和系统，涉及模型优化领域，其中方法包括：计算新设备的场景图像与至少一个现有设备的监控图像的相似度；确定相似度中大于所设阈值的目标相似度，将目标相似度对应的监控图像所属的现有设备确定为目标设备；对目标设备的第一专属化模型进行迭代优化，得到目标设备的收敛模型参数；将目标设备对应的相似度作为线性权重组合，基于线性权重组合对收敛模型参数进行加权计算，得到新设备的模型参数；使用新设备的模型参数与通用模型进行聚合，生成新设备的第二专属化模型。能够新设备本地数据不足的情况下，快速生成满足新设备准确性需求的第二专属化模型。属化模型。属化模型。

【技术实现步骤摘要】
新设备专属化模型生成方法和系统


[0001]本申请涉及模型优化领域，具体涉及一种新设备专属化模型生成方法和系统。

技术介绍

[0002]随着人工智能技术的发展，场景感知这一部分的研究也进入人们视野，其中运用最广泛的便是图像处理技术，多采用建立神经网络模型的方法对图像特征进行识别，从而获取其中信息。
[0003]在进行新设备部署时，由于本地数据较处于匮乏阶段，进行单个模型训练的数据量不足且训练时间较长，传统的模型部署方法是使用聚合后泛化的通用模型，对多个设备采集到的图像进行图像处理及识别，使用通用模型无法满足新设备对于模型获取的快速准确的需求。

技术实现思路

[0004]本申请提供了一种新设备专属化模型生成方法和系统，通过目标设备对应的第一专属化模型，生成更贴合于新设备的第二专属化模型，相比于使用通用模型进行训练优化，能够快速生成满足新设备需求的模型。
[0005]第一方面，本申请提供了一种新设备专属化模型生成方法，所述方法包括：计算新设备的场景图像与至少一个现有设备的监控图像的相似度；确定所述相似度中大于所设阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新设备专属化模型生成方法，其特征在于，所述方法包括：计算新设备的场景图像与至少一个现有设备的监控图像的相似度；确定所述相似度中大于所设阈值的目标相似度，将所述目标相似度对应的监控图像所属的现有设备确定为目标设备；对所述目标设备的第一专属化模型进行迭代优化，得到所述目标设备的收敛模型参数；将所述目标设备对应的相似度作为线性权重组合，基于所述线性权重组合对所述收敛模型参数进行加权计算，得到所述新设备的模型参数；使用所述新设备的模型参数与通用模型进行聚合，生成所述新设备的第二专属化模型。2.根据权利要求1所述的方法，其特征在于，所述计算新设备的场景图像与至少一个现有设备的监控图像的相似度，包括：计算新设备的场景图像对应的第一识别结果，计算现有设备的监控图像的第二识别结果；比对所述第一识别结果与所述第二识别结果，得到所述新设备的场景图像与所述现有设备的监控图像的相似度。3.根据权利要求2所述的方法，其特征在于，所述计算新设备的场景图像对应的第一识别结果，包括：将新设备的场景图像进行图像增强处理，得到第一视图像与第二视图像；分别将所述第一视图像与所述第二视图像输入至共享权重参数的编码器网络中，输出所述第一视图像对应的第一向量以及所述第二视图像对应的第二向量；将所述第一向量输入双层MLP预测网络，得到第一预测向量；对所述第二向量进行停止梯度回传操作，得到第一传播向量；使用第一负余弦相似度公式计算所述第一预测向量与所述第一传播向量的第一损失值；将所述第二向量输入所述双层MLP预测网络，得到第二预测向量；对所述第一向量进行停止梯度回传操作，得到第二传播向量；使用第二负余弦相似度公式计算所述第二预测向量与所述第二传播向量的第二损失值；使用第一损失函数对所述第一损失值与所述第二损失值进行计算，得到所述新设备的场景图像对应的第一识别结果。4.根据权利要求2所述的方法，其特征在于，所述计算现有设备的监控图像的第二识别结果，包括：将现有设备的监控图像进行图像增强处理，得到第三视图像与第四视图像；分别将所述第三视图像与所述第四视图像输入至共享权重参数的编码器网络中，输出所述第三视图像对应的第三向量以及所述第四视图像对应的第四向量；将所述第三向量输入双层MLP预测网络，得到第三预测向量；对所述第四向量进行停止梯度回传操作，得到第三传播向量；使用第三负余弦相似度公式计算所述第三预测向量与所述第三传播向量的第三损失
值；将所述第四向量输入所述双层MLP预测网络，得到第四预测向量；对所述第三向量进行停止梯度回传操作，得到第四传播向量；使用第四负余弦相似度公式计算所述第四预测向量与所述第四传播向量的第四损失值；使用第二损失函数对所述第三损失值与所述第四损失值进行计算，得到所述现有设备的监控图像对应的第二识别结果。5.根据权利要求3所述的方法，其特征在于，所述第一负余弦相似度公式包括：其中，p1为所述第一预测向量，z2为所述第二向量，stopgrad(z2)为所述第一传播向量；所述第二负余弦相似度公式包括：其中，p2为所述第二预测向量，z1为所述第一向量，stopgrad(z1)为所述第二传播向量；所述第一损失函数包括：其中，L1为所述新设备的场景图像对应的第一识别结果。6.根据权利要求4所述的方法，其特征在于，所述第三负余弦相似度公式包括：其中，p3为所述第三预测向量，z4为所述第四向量，stopgrad(z4)为所述第三传播向量；所述第四负余弦相似度公式包括：其中，p4为所述第四预测向量，z3为所述第三向量，stopgrad(z3)为所述第四传播向量；所述第二损失函数包括：其中，L2为所述现有设备的监控图像对应的第二识别结果。7.根据权利要求1所述的方法，其特征在于，所述对所述目标设备的第一专属化模...

【专利技术属性】
技术研发人员：殷光强，王治国，游长江，朱令玮，候少麒，
申请(专利权)人：喀什地区电子信息产业技术研究院，
类型：发明
国别省市：