【技术实现步骤摘要】
本专利技术实施例涉及计算机领域，具体而言，涉及一种对象的识别方法、装置、存储介质及电子装置。
技术介绍
1、在相关技术中，通常利用训练好的网络模型识别图像中的对象的类别以及在图像中的位置，网络模型在训练的过程中，标签分配和分类精度会影响训练网络模型识别的准确率，进而会影响训练好的网络模型的识别准确率。
2、在相关技术中，由于训练数据的标签分配以及分类精度不准确使得训练出的网络模型识别图像的类别以及在图像中的位置不准确。
3、针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种对象的识别方法、装置、存储介质及电子装置，以至少解决相关技术中存在的识别对象不准确的问题。
2、根据本专利技术的一个实施例，提供了一种对象的识别方法，包括：获取设置在目标区域的摄像设备采集的目标图像；将所述目标图像输入至目标模型中，以确定所述目标图像中包括的对象的目标类型以及目标位置；其中，所述目标模型是通过多组训练数据以及训练模型对初始模型进行训练得到的，多组所述训练数据中包括的每组训练数据均包括对象以及对象的标签，所述训练模型是预先训练完成的模型，所述训练模型的模型结构的复杂度大于所述目标模型的结构复杂度，通过多组训练数据以及训练模型对初始模型进行训练包括：将所述训练数据输入至所述初始模型中，得到第一预测结果；将所述训练数据输入至所述训练模型中，得到第二预测结果；基于所述第一预测结果以及所述第二预测结果确定目标损失值；基
3、根据本专利技术的另一个实施例，提供了一种对象的识别装置，包括：获取模块，用于获取设置在目标区域的摄像设备采集的目标图像；识别模块，用于将所述目标图像输入至目标模型中，以确定所述目标图像中包括的对象的目标类型以及目标位置；其中，所述目标模型是通过多组训练数据以及训练模型对初始模型进行训练得到的，多组所述训练数据中包括的每组训练数据均包括对象以及对象的标签，所述训练模型是预先训练完成的模型，所述训练模型的模型结构的复杂度大于所述目标模型的结构复杂度，所述装置通过如下方式实现通过多组训练数据以及训练模型对初始模型进行训练：将所述训练数据输入至所述初始模型中，得到第一预测结果；将所述训练数据输入至所述训练模型中，得到第二预测结果；基于所述第一预测结果以及所述第二预测结果确定目标损失值；基于所述目标损失值更新所述初始模型的模型参数，得到所述目标模型。
4、根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
5、根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
6、通过本专利技术，获取设置在目标区域的摄像设备采集的目标图像；将目标图像输入至目标模型中，以确定目标图像中包括的对象的目标类型以及目标位置；其中，目标模型是通过多组训练数据以及训练模型对初始模型进行训练得到的，多组训练数据中包括的每组训练数据均包括对象以及对象的标签，训练模型是预先训练完成的模型，训练模型的模型结构的复杂度大于目标模型的结构复杂度，通过多组训练数据以及训练模型对初始模型进行训练包括：将训练数据输入至初始模型中，得到第一预测结果；将训练数据输入至训练模型中，得到第二预测结果；基于第一预测结果以及第二预测结果确定目标损失值；基于目标损失值更新初始模型的模型参数，得到目标模型。用于识别目标图像的目标模型是通过训练模型以及多组训练数据对初始模型进行训练得到的，训练模型的结构复杂度大于目标模型的结构复杂度，根据训练模型的第二预测结果以及初始模型的第一预测结果确定目标损失值，根据目标损失值更新初始模型的模型参数，得到目标模型。由于在对初始模型的模型参数进行迭代更新时，结合了训练好的结构复杂度大的训练模型的第二预测结果，提升了对初始模型训练的准确率，进而提高了目标模型对目标图像识别的准确率。因此，可以解决相关技术中存在的识别对象不准确的问题，达到提高了识别对象的准确率的效果。
本文档来自技高网...【技术保护点】
1.一种对象的识别方法，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，基于所述第一预测结果以及所述第二预测结果确定目标损失值包括：
3.根据权利要求2所述的方法，其特征在于，基于所述第一预测类别以及所述第二预测类别确定分类损失值包括：
4.根据权利要求3所述的方法，其特征在于，基于所述第二预测类别以及所述训练数据中包括的对象的标签确定第一参数包括：
5.根据权利要求3所述的方法，其特征在于，基于所述第一参数以及所述第一预测类别确定所述分类损失值包括：
6.根据权利要求2所述的方法，其特征在于，基于所述第一预测位置以及所述第二预测位置确定定位损失值包括：
7.根据权利要求1所述的方法，其特征在于，在将所述目标图像输入至目标模型中，以确定所述目标图像中包括的对象的目标类型以及目标位置之后，所述方法还包括：
8.一种对象的识别装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种对象的识别方法，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，基于所述第一预测结果以及所述第二预测结果确定目标损失值包括：
3.根据权利要求2所述的方法，其特征在于，基于所述第一预测类别以及所述第二预测类别确定分类损失值包括：
4.根据权利要求3所述的方法，其特征在于，基于所述第二预测类别以及所述训练数据中包括的对象的标签确定第一参数包括：
5.根据权利要求3所述的方法，其特征在于，基于所述第一参数以及所述第一预测类别确定所述分类损失值包括：
6.根据权利要求2所述的方法，其特征在于，基于所述第一预测位置以及所述...
【专利技术属性】
技术研发人员：林亦宁，杨德城，
申请(专利权)人：北京闪马智建科技有限公司，
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。