【技术实现步骤摘要】
本专利技术涉及图像识别领域，具体而言，涉及一种目标检测模型的确定方法及装置、存储介质。
技术介绍
1、近年来，深度学习发展迅猛，被广泛应用到计算机视觉、语音识别以及自然语言处理上。随着数据规模积累的足够大，场景越加复杂，对模型的精度也有越来越高的要求。目标检测作为计算机视觉应用的主要探索之一，其模型和训练方法也得到一次次的改进和研发。目标检测训练方案中标签分配策略（label assigner）对训练精度的影响非常大，一个好的标签分配策略不仅能大幅度提升模型精度，还可以提升训练速度，加速模型收敛。而目前主流的标签分配策略有基于侯选框（bbox）和真实框(gt_box)的交并比来确定的，有基于bbox的中心点是否落在gt_box内来确定的，有通过统计学方案确定的如atss_assigner，也有基于模型训练不断优化的如simota_assigner。但目前的研究中，均集中在如何改进label assigner的策略来提升检测模型的精度，改进效果并不显著。
2、针对相关技术，现有检测模型对图片进行目标检测的准确度较低的问题，目前...
【技术保护点】
1.一种目标检测模型的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，使用所述训练样本集合对待训练的检测模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述N个标签分配预测结果确定所述第i轮训练的目标分类损失函数的取值，包括：
4.根据权利要求3所述的方法，其特征在于，根据N个标签分配预测结果确定N个矩阵，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述N个矩阵确定所述第i轮训练的目标分类损失函数的值，包括：
6.根据权利要求5所述的方法，其特征在于，根据...
【技术特征摘要】
1.一种目标检测模型的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，使用所述训练样本集合对待训练的检测模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述n个标签分配预测结果确定所述第i轮训练的目标分类损失函数的取值，包括：
4.根据权利要求3所述的方法，其特征在于，根据n个标签分配预测结果确定n个矩阵，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述n个矩阵确定所述第i轮训练的目标分类损失函数的值，包括：
6.根据权利要求5所述的方法，其特征在于，根据所述n个矩阵中除所述目标矩阵以外的n-1个矩阵确定目标权重矩阵，包括：
7.根据权利要求2所述的方法，其特征在于，根据所述n...
【专利技术属性】
技术研发人员：林亦宁，杨德城，
申请(专利权)人：上海闪马智能科技有限公司，
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。